Aplikasi ini memungkinkan Anda berpartisipasi dalam crowdsourcing percobaan untuk membantu para peneliti memecahkan masalah yang kompleks menggunakan open source Kolektif Pengetahuan Mesin tersedia di http://github.com/ctuning/ck. Anda dapat melihat semua hasil kerumunan masyarakat di http://cknowledge.org/repo! Anda juga dapat memeriksa cara lain untuk berpartisipasi dalam crowdsourcing percobaan (menggunakan laptop dan pusat data) di https://github.com/ctuning/ck/wiki/Crowdsourcing-optimization. Akhirnya, Anda bisa mendapatkan sumber terbuka aplikasi Android ini di https://github.com/ctuning/crowdsource-experiments-using-android-devices. Perkembangan ini dikoordinasi oleh cTuning non-profit dasar: http://cTuning.org. Silakan, periksa inisiatif lainnya untuk ilmu pengetahuan terbuka di http://cTuning.org/reproducibility-wiki.
Kami telah berjuang dengan kurangnya sumber daya komputasi dan beragam beban kerja / set data / hardware untuk penelitian kita sendiri untuk membuat lebih cepat, lebih kecil, lebih hemat daya handal software self-tuning dan perangkat keras selama lebih dari satu dekade! Memang, sistem komputer menjadi sangat tidak efisien - itu adalah saat ini tidak jarang untuk mendapatkan 10x pemercepat, pengurangan ukuran 2x dan pengurangan energi 40% untuk algoritma populer (DNN, BLAS, pemrosesan video) pada hardware terbaru menggunakan disebut autotuning berbagai parameter algoritma dan compiler optimasi. Namun, proses ini sangat memakan karena sangat besar desain dan optimasi ruang waktu.
Dengan bantuan dari yayasan cTuning non-profit, kami telah mengembangkan ini teknologi open source Kolektif Pengetahuan (CK) untuk membiarkan beban kerja pangsa masyarakat, set data, alat dan alur kerja eksperimental dalam format CK terbuka melalui GitHub atau BitBucket, crowdsource percobaan di berbagai perangkat yang disediakan oleh relawan, mengklasifikasikan solusi dengan cepat (belajar aktif), menerapkan analisis prediktif, pertukaran pengetahuan dan mereproduksi hasil. Kami saat bersama skenario percobaan termasuk GCC dan LLVM compiler bendera tuning, dan kami berencana untuk menambah otomatis OpenCL / CUDA tuning, pengujian skalabilitas, deteksi compiler bug dan analisis stabilitas numerik (lihat laporan interaktif berbasis CK: http://cknowledge.org/ interaktif-laporan)! Aplikasi ini hanya query apapun yang tersedia CK server publik, memperoleh paket eksperimental untuk perangkat Anda (seperti beberapa binari dari patokan bersama dengan optimasi yang berbeda), berjalan pada perangkat mobile Anda dengan beberapa data acak mengatur dan mengirimkan statistik kembali ke server CK menjadi diolah dengan menggunakan pembelajaran aktif dan analisis prediktif.
Partisipasi Anda mendukung ilmu pengetahuan terbuka dan inisiatif penelitian direproduksi seperti Artifact Evaluasi di berbagai konferensi (berbagi alur kerja eksperimental dengan semua artefak yang terkait dan hasil bersama dengan publikasi dengan cara direproduksi dan dapat digunakan kembali untuk divalidasi oleh masyarakat):
* http://cTuning.org/ae
* http://adapt-workshop.org
* http://ctuning.org/reproducibility-wiki
Anda dapat membaca lebih lanjut tentang visi jangka panjang kami di publikasi berikut:
* 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
Kami ingin mengucapkan terima kasih pendukung kami saat ini:
* Http://cTuning.org (yayasan non-profit)
* http://dividiti.com
Kami memiliki banyak ide-ide baru dan proyek-proyek yang mungkin berbasis pada teknologi ini. Jika Anda tertarik untuk mengetahui lebih lanjut atau bahkan berpartisipasi dalam kegiatan kami, bergabung dalam konsorsium akademik dan industri kami yang berkembang, mengoptimalkan atau berbagi beban kerja yang realistis Anda, menerapkan skenario percobaan crowdsourcing baru, menyediakan lebih banyak sumber daya komputasi, jangan ragu untuk menghubungi penulis (Grigori Fursin, http://fursin.net) atau melalui mailing list publik kami:
* https://groups.google.com/forum/#!forum/collective-knowledge
Terima kasih banyak untuk berpartisipasi dalam crowdsourcing percobaan dan memungkinkan ilmu terbuka!