Оптимизация библиотек машинного обучения

ПРОЕКТ

Оптимизация библиотек машинного обучения

Linux   ·    Python   ·    большие данные   ·    глубинное обучение   ·    машинное обучение   ·    нейронные сети   ·    С++

Задача

Компания-разработчик процессоров из США наняла Ауригу для анализа и оптимизации производительности библиотек глубинного и машинного обучения для нового поколения CPU.

Особенности проекта

Оптимизация производительности библиотек машинного и глубинного обучения: TensorFlow, Caffe, MXNET, scikit-learn, др.

Низкоуровневый анализ узких мест в базовых математических алгоритмах (умножение векторов/матриц).

Внедрение функций параллельного счисления.

Сравнение с текущими эталонными тестами производительности ведущих производителей.

Результаты

Выявление узких мест в библиотеках нейронных сетей и детальный анализ производительности.

Оптимизация аппаратного и программного комплекса для максимизации производительности.

20-30% улучшение производительности глубинных нейронных сетей на новых CPU по сравнению с конкурентами.

Технологии

Linux  ·  Python  ·  C++  ·  DLBench

DeepBench  ·  Statistical analysis

 

Другие проекты

Новости

Аурига снова в топ-100 мировых лидеров аутсорсинга

Аурига снова в топ-100 мировых лидеров аутсорсинга

Аурига, одна из ведущих компаний в области заказной разработки программного обеспечения, снова вошла в сотню лучших аутсорсинговых компаний мира в рейтинге Global Outsourcing 100® по

CSG: «Аурига помогла нам принять верные решения»

Один из ключевых принципов Ауриги – стремление к совершенству. Что бы мы ни делали, мы стараемся выполнить задачу наилучшим образом, и наши заказчики подтверждают, что у...

MEDICA 2019: цифровые технологии в медицине

Аурига ежегодно посещает выставку MEDICA, одно из крупнейших событий в отрасли медицины, и прошлый год не стал исключением. В конце ноября эксперты Ауриги отправились в Дюссельдорф, Германия, чтобы окунуться в мир...