paint-brush
データローダーの概要: 数値結果の続き。@serialization
207 測定値

データローダーの概要: 数値結果の続き。

長すぎる; 読むには

この論文では、研究者はデータローダーを ML トレーニング改善の鍵として強調し、ライブラリの機能性、使いやすさ、パフォーマンスを比較しています。
featured image - データローダーの概要: 数値結果の続き。
The Serialization Publication HackerNoon profile picture
0-item

著者:

(1)イアソン・オフェイディス、イェール大学電気工学部およびイェールネットワーク科学研究所、ニューヘブン {同等の貢献}

(2)ディエゴ・キエダンスキ、イェール大学電気工学部およびイェールネットワーク科学研究所、ニューヘブン {同等の貢献}

(3)Leandros TassiulasLevon Ghukasyan、Activeloop、米国カリフォルニア州マウンテンビュー、電気工学部およびイェール大学ネットワーク科学研究所、ニューヘブン。

リンク一覧

A. 数値結果(続き)

この付録には、記事の主要ページにスペースがなかったプロットのコレクションを含めます。


図 11. CIFAR10 と単一 GPU でのバッチ サイズの影響の比較。


図 12. 単一 GPU での Random におけるバッチ サイズの影響の比較。


図 13. CoCo と単一 GPU でのバッチ サイズの影響の比較。


図 14. CIFAR10 のワーカー数と単一の GPU の影響を比較します。


図 15. ランダムのワーカー数と単一 GPU の影響を比較します。


図 16. CoCo のワーカー数と単一の GPU の影響を比較します。


図 17. 複数の GPU を使用した CIFAR10 でのバッチ サイズの影響の比較。


図18. 複数のGPUを使用したランダム処理におけるバッチサイズの影響の比較


図 19. 複数の GPU を使用した CoCo でのバッチ サイズの影響の比較。


図20. 複数のGPUを使用したCIFAR10のワーカー数の影響の比較


図 21. 複数の GPU を使用した Random でのワーカー数の影響の比較。


図 22. 複数の GPU を持つ CoCo でのワーカー数の影響の比較。


図 23. フィルタリング中の CIFAR10 でのバッチ サイズの影響を単一の GPU と比較します。


図24. ランダムフィルタリングにおけるバッチサイズの影響を単一GPUと比較


図 25. フィルタリング時の CoCo と単一 GPU でのバッチ サイズの影響の比較。


図26. フィルタリング時のCIFAR10のワーカー数と単一GPUの影響の比較


図 27. フィルタリング中にランダムにワーカー数と単一の GPU の影響を比較します。


図 28. フィルタリング中に CoCo のワーカー数と単一の GPU の影響を比較します。


この論文はCC 4.0ライセンスの下でarxivで公開されています