Crowdsourcing experiments
1 E+
letöltés
Korhatár nélküli
info
Az alkalmazásról
Ez az alkalmazás lehetővé teszi, hogy részt vegyen a kísérletben crowdsourcing segítségével a kutatók az összetett problémák megoldására nyílt forráskódú kollektív tudás Engine elérhető http://github.com/ctuning/ck. Láthatjuk az összes nyilvános tömeg eredmények http://cknowledge.org/repo! Azt is nézd meg, más módon részt venni a kísérletben crowdsourcing (a laptopok és az adatközpontok) a https://github.com/ctuning/ck/wiki/Crowdsourcing-optimization. Végül, akkor kap a nyílt forrás Android app a https://github.com/ctuning/crowdsource-experiments-using-android-devices. Ez a fejlődés által koordinált közhasznú alapítvány cTuning: http://cTuning.org. Kérjük, tekintse meg egyéb kezdeményezéseket nyílt tudomány http://cTuning.org/reproducibility-wiki.
Mi már évek óta küzd a hiánya számítási erőforrások és a különböző terhelések / adatsorokat / hardver a saját kutatás, hogy a gyorsabb, kisebb, energiatakarékosabb megbízható automatikus hangolás szoftver és hardver több mint egy évtizede! Sőt, a számítógépes rendszerek egyre nagyon hatékony - ez ma már nem ritka, hogy a megszerezni 10x sebességnövekedést, 2x méret csökkentése és 40% -os energia csökkentése népszerű algoritmusok (DNN, Blas, képfeldolgozás) a legújabb hardver segítségével úgynevezett automatikus beállítás a különböző algoritmus paraméterei és fordító optimalizáció. Azonban ez a folyamat rendkívül időigényes miatt nagyon nagy tervezés és optimalizálás terek.
Segítségével a non-profit cTuning alapítvány, az általunk kifejlesztett ennek a nyílt forráskódú kollektív tudás technológia (CK), hogy a közösségi részesedés munkaterhelés, adatsorok, eszközök és kísérleti munkafolyamatok nyílt CK formátumban keresztül GitHub vagy BitBucket, crowdsourcing-megoldásokkal gyűjthet kísérletek egész számos eszköz által biztosított önkéntesek, osztályozza megoldások menet közben (aktív tanulás), alkalmazza a prediktív analitika, cseréje ismeretek és szaporodnak eredményeket. A jelenlegi közös kísérleti forgatókönyveket beleértve a GCC és LLVM fordító zászló tuning, és azt tervezzük, hogy adjunk automatikus OpenCL / CUDA tuning, méretezhetőségtesztelési, fordítóprogram hibát felderítése és a numerikus stabilitás elemzése (lásd CK-alapú interaktív jelentése: http://cknowledge.org/ interaktív-jelentés)! Ez az alkalmazás csak lekérdezi az elérhető nyilvános CK szerver megszerzi kísérleti csomag az eszközön (például több bináris egy közös viszonyítási különböző optimalizálás), fut be a mobil eszközt néhány véletlenszerű adatállomány és küldje statisztikák vissza CK kiszolgálót, hogy legyen segítségével dolgozzák fel az aktív tanulási és prediktív elemzési.
A részvételt támogatja a nyílt tudomány és reprodukálható kutatási kezdeményezések, mint a Artifact értékelése különböző konferenciákon (közös kísérleti munkafolyamatokat az összes kapcsolódó tárgyak és az eredmények együtt kiadványok megismételhető és újrahasznosítható módon kell érvényesíteni a közösség):
* http://cTuning.org/ae
* http://adapt-workshop.org
* http://ctuning.org/reproducibility-wiki
Lehet olvasni többet a hosszú távú elképzelés a következő kiadványokban:
* http://arxiv.org/abs/1506.06256
* http://bit.ly/ck-date16
* http://hal.inria.fr/hal-01054763
* http://arxiv.org/abs/1406.4020
* https://hal.inria.fr/inria-00436029
Szeretnénk megköszönni a jelenlegi támogatói:
* Http://cTuning.org (non-profit alapítvány)
* http://dividiti.com
Van sok új ötlet, és lehetséges projektek alapján ezt a technológiát. Ha érdekel, hogy többet, vagy akár részt vesz tevékenységünkben, csatlakozzon az egyre növekvő tudományos és ipari konzorcium, optimalizálásához és ossza meg reális munkaterhelés, végre új kísérlet crowdsourcing forgatókönyvet, hogy több számítási erőforrások, ne habozzon, vegye fel a kapcsolatot a szerző (Grigorij Furszin, http://fursin.net) keresztül vagy a nyilvános listára:
* https://groups.google.com/forum/#!forum/collective-knowledge
Nagyon köszönöm, hogy részt vesz a kísérletben bing, és lehetővé teszi a nyílt tudomány!
Mi már évek óta küzd a hiánya számítási erőforrások és a különböző terhelések / adatsorokat / hardver a saját kutatás, hogy a gyorsabb, kisebb, energiatakarékosabb megbízható automatikus hangolás szoftver és hardver több mint egy évtizede! Sőt, a számítógépes rendszerek egyre nagyon hatékony - ez ma már nem ritka, hogy a megszerezni 10x sebességnövekedést, 2x méret csökkentése és 40% -os energia csökkentése népszerű algoritmusok (DNN, Blas, képfeldolgozás) a legújabb hardver segítségével úgynevezett automatikus beállítás a különböző algoritmus paraméterei és fordító optimalizáció. Azonban ez a folyamat rendkívül időigényes miatt nagyon nagy tervezés és optimalizálás terek.
Segítségével a non-profit cTuning alapítvány, az általunk kifejlesztett ennek a nyílt forráskódú kollektív tudás technológia (CK), hogy a közösségi részesedés munkaterhelés, adatsorok, eszközök és kísérleti munkafolyamatok nyílt CK formátumban keresztül GitHub vagy BitBucket, crowdsourcing-megoldásokkal gyűjthet kísérletek egész számos eszköz által biztosított önkéntesek, osztályozza megoldások menet közben (aktív tanulás), alkalmazza a prediktív analitika, cseréje ismeretek és szaporodnak eredményeket. A jelenlegi közös kísérleti forgatókönyveket beleértve a GCC és LLVM fordító zászló tuning, és azt tervezzük, hogy adjunk automatikus OpenCL / CUDA tuning, méretezhetőségtesztelési, fordítóprogram hibát felderítése és a numerikus stabilitás elemzése (lásd CK-alapú interaktív jelentése: http://cknowledge.org/ interaktív-jelentés)! Ez az alkalmazás csak lekérdezi az elérhető nyilvános CK szerver megszerzi kísérleti csomag az eszközön (például több bináris egy közös viszonyítási különböző optimalizálás), fut be a mobil eszközt néhány véletlenszerű adatállomány és küldje statisztikák vissza CK kiszolgálót, hogy legyen segítségével dolgozzák fel az aktív tanulási és prediktív elemzési.
A részvételt támogatja a nyílt tudomány és reprodukálható kutatási kezdeményezések, mint a Artifact értékelése különböző konferenciákon (közös kísérleti munkafolyamatokat az összes kapcsolódó tárgyak és az eredmények együtt kiadványok megismételhető és újrahasznosítható módon kell érvényesíteni a közösség):
* http://cTuning.org/ae
* http://adapt-workshop.org
* http://ctuning.org/reproducibility-wiki
Lehet olvasni többet a hosszú távú elképzelés a következő kiadványokban:
* http://arxiv.org/abs/1506.06256
* http://bit.ly/ck-date16
* http://hal.inria.fr/hal-01054763
* http://arxiv.org/abs/1406.4020
* https://hal.inria.fr/inria-00436029
Szeretnénk megköszönni a jelenlegi támogatói:
* Http://cTuning.org (non-profit alapítvány)
* http://dividiti.com
Van sok új ötlet, és lehetséges projektek alapján ezt a technológiát. Ha érdekel, hogy többet, vagy akár részt vesz tevékenységünkben, csatlakozzon az egyre növekvő tudományos és ipari konzorcium, optimalizálásához és ossza meg reális munkaterhelés, végre új kísérlet crowdsourcing forgatókönyvet, hogy több számítási erőforrások, ne habozzon, vegye fel a kapcsolatot a szerző (Grigorij Furszin, http://fursin.net) keresztül vagy a nyilvános listára:
* https://groups.google.com/forum/#!forum/collective-knowledge
Nagyon köszönöm, hogy részt vesz a kísérletben bing, és lehetővé teszi a nyílt tudomány!
Frissítve:
Adatbiztonság
A fejlesztők itt jeleníthetik meg az információkat arról, hogy miként gyűjti és használja fel az alkalmazásuk az adataidat. További információ az adatbiztonságról
Nincs rendelkezésre álló információ.
Értékelések és vélemények
4,4
20 vélemény
Újdonságok
* Fixed problem with OpenME on API 28+
* Changed http access to https
* Added partial support for https://cKnowledge.io
* Changed http access to https
* Added partial support for https://cKnowledge.io