Benutzer: Gast  Login
Weniger Felder
Einfache Suche
Originaltitel:
Performance Optimization in Deep Learning Systems
Übersetzter Titel:
Performance Optimierung in Deep Learning Systemen
Autor:
Erben, Alexander
Jahr:
2024
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Institution:
Informatik 13 - Lehrstuhl für Decentralized Information Systems and Data Management (Prof. Leis)
Betreuer:
Jacobsen, Hans-Arno (Prof. Dr.)
Gutachter:
Jacobsen, Hans-Arno (Prof. Dr.); Bhatotia, Pramod (Prof. Dr.); van Steen, Maarten (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
Stichworte:
deep learning, performance optimization, machine learning, systems research
Übersetzte Stichworte:
deep learning, performance optimierung, machine learning, systems forschung
TU-Systematik:
DAT 600; DAT 450
Kurzfassung:
This publication-based dissertation comprises two papers that argue for more efficient resource utilization by challenging the status quo on common DL practices and providing practical guidelines and future optimization potential. By applying an empirical approach to tackling DL bottlenecks, this work helps to improve end-to-end training times of DL systems by leveraging existing hardware focusing on both data preprocessing and DL training.
Übersetzte Kurzfassung:
Diese publikationsbasierte Dissertation umfasst zwei Arbeiten, die für eine effizientere Ressourcennutzung plädieren, indem sie den Status quo gängiger DL-Praktiken in Frage stellen und praktische Leitlinien sowie künftiges Optimierungspotenzial bieten. Durch die Anwendung eines empirischen Ansatzes zur Bewältigung von DL-Engpässen trägt diese Arbeit dazu bei, die End-to-End-Trainingszeiten von DL-Systemen zu verbessern, indem sie die vorhandene Hardware nutzt und sich sowohl auf die Datenvorve...     »
WWW:
https://mediatum.ub.tum.de/?id=1735326
Eingereicht am:
16.02.2024
Mündliche Prüfung:
21.08.2024
Dateigröße:
3754589 bytes
Seiten:
75
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240821-1735326-1-4
Letzte Änderung:
26.11.2024
 BibTeX