paint-brush
Uma Visão Geral do Cenário do Data-Loader: Resultados Numéricos Cont.por@serialization
207 leituras

Uma Visão Geral do Cenário do Data-Loader: Resultados Numéricos Cont.

Muito longo; Para ler

Neste artigo, os pesquisadores destacam os dataloaders como a chave para melhorar o treinamento de ML, comparando bibliotecas em termos de funcionalidade, usabilidade e desempenho.
featured image - Uma Visão Geral do Cenário do Data-Loader: Resultados Numéricos Cont.
The Serialization Publication HackerNoon profile picture
0-item

Autores:

(1) Iason Ofeidis, Departamento de Engenharia Elétrica, e Instituto Yale para Ciência de Redes, Universidade de Yale, New Haven {Contribuição igual};

(2) Diego Kiedanski, Departamento de Engenharia Elétrica, e Instituto Yale para Ciência de Redes, Universidade de Yale, New Haven {Contribuição igual};

(3) Leandros TassiulasLevon Ghukasyan, Activeloop, Mountain View, CA, EUA, Departamento de Engenharia Elétrica, e Instituto Yale para Ciência de Redes, Universidade de Yale, New Haven.

Tabela de Links

A. RESULTADOS NUMÉRICOS CONT.

Neste apêndice incluímos uma coleção de enredos para os quais não tínhamos espaço nas páginas centrais do artigo.


Figura 11. Comparação do impacto do tamanho do lote no CIFAR10 com uma única GPU.


Figura 12. Comparando o impacto do tamanho do lote em Random com uma única GPU.


Figura 13. Comparação do impacto do tamanho do lote no CoCo com uma única GPU.


Figura 14. Comparação do impacto do número de trabalhadores no CIFAR10 com uma única GPU.


Figura 15. Comparando o impacto do número de trabalhadores em Random com uma única GPU.


Figura 16. Comparação do impacto do número de trabalhadores no CoCo com uma única GPU.


Figura 17. Comparação do impacto do tamanho do lote no CIFAR10 com múltiplas GPUs.


Figura 18. Comparando o impacto do tamanho do lote em Random com múltiplas GPUs


Figura 19. Comparação do impacto do tamanho do lote no CoCo com múltiplas GPUs.


Figura 20. Comparando o impacto do número de trabalhadores no CIFAR10 com múltiplas GPUs


Figura 21. Comparação do impacto do número de trabalhadores em Random com múltiplas GPUs.


Figura 22. Comparação do impacto do número de trabalhadores no CoCo com múltiplas GPUs.


Figura 23. Comparação do impacto do tamanho do lote no CIFAR10 com uma única GPU durante a filtragem.


Figura 24. Comparando o impacto do tamanho do lote em Random com uma única GPU durante a filtragem


Figura 25. Comparação do impacto do tamanho do lote no CoCo com uma única GPU durante a filtragem.


Figura 26. Comparando o impacto do número de trabalhadores no CIFAR10 com uma única GPU durante a filtragem


Figura 27. Comparação do impacto do número de trabalhadores em Random com uma única GPU durante a filtragem.


Figura 28. Comparação do impacto do número de trabalhadores no CoCo com uma única GPU durante a filtragem.


Este artigo está disponível no arxiv sob licença CC 4.0.