SparCML: High-Performance Sparse Communication for Machine Learning

Applying machine learning techniques to the quickly growing data in science and industry requires highly-scalable algorithms. Large datasets are most commonly processed "data parallel" distributed across many nodes. Each node's contribution to the overall gradient is summed using a gl...

Celý popis

Podrobná bibliografie

Vydáno v:	SC19: International Conference for High Performance Computing, Networking, Storage and Analysis s. 1 - 15
Hlavní autoři:	Renggli, Cedric, Ashkboos, Saleh, Aghagolzadeh, Mehdi, Alistarh, Dan, Hoefler, Torsten
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	ACM 17.11.2019
Témata:	Distributed databases High performance computing Industries Libraries Machine learning Machine learning algorithms Protocols Scalability Sparse AllGather Sparse AllReduce Sparse Input Vectors Vectors
ISSN:	2167-4337
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!