Résultat de
votre recherche
Voici les éléments 1-8 de 8
Apprentissage profond distribué : d’un seul nœud vers plusieurs nœuds de calcul
2022,
- HE en Hainaut
,
- Acte de conférence ou de colloque
Acte de conférence ou de colloque
L'utilisation croissante de l'apprentissage profond (DL) exploite des modèles de plus en plus complexes avec une quantité croissante de données. Le DL
distribué (DLL) permet d'entraîner rapidement des modèles en répartissant la charge de calcul. Nous proposons une approche empirique pour accélérer la
distribution en se concentrant sur les stratégies de parallélisation locales.
Les résultats ...
Deep Learning Frameworks: Performances Analysis
2021,
- HE en Hainaut
,
- Acte de conférence ou de colloque
Acte de conférence ou de colloque
The fourth industrial revolution use modern technologies that produce a continues flow of data. This
large amount of data cannot be analyzed with traditional technologies to detect and diagnose problem
without the need of a human. Deep learning consists of a set of methods based on neural networks
that can process and extract information from a such amount of data.
Deep learning frameworks provide ...
Comparaison des frameworks d'apprentissage profond sur un seul noeud de calcul
2021,
- HE en Hainaut
,
- Acte de conférence ou de colloque
Acte de conférence ou de colloque
Le deep learning est un domaine en plein expansion, expérimenté et mis en
production à travers des frameworks. Ceux-ci sont exploités aussi bien sur des
clusters de calcul que sur des cartes embarquées comme la Jeston Nano de
Nvidia. De plus en plus souvent, la charge de travail est distribuée sur
différents nœuds de calcul sans considérer le choix du framework. Dans ce
travail, nous analysons ...
Amélioration des performances d’un moteur de base de données relationnelle embarqué par l’utilisation de GPU
2016,
- HE en Hainaut
- Autre
,
- Acte de conférence ou de colloque
Acte de conférence ou de colloque
Concomitamment à la montée en puissance des systèmes de type « Big Data », les systèmes de gestion de base de données relationnelle (SGBDR) restent toujours largement utilisés. Dans cet article, nous présentons une solution capable d'améliorer la rapidité et la consommation énergétique d'un SGBDR embarqué SQLite. Notre solution, nommée CuDB, tente d'exploiter au mieux les spécificités des architectures ...
CuDB: a Relational Database Engine Boosted by Graphics Processing Units
2016,
- HE en Hainaut
- Autre
,
- Acte de conférence ou de colloque
Acte de conférence ou de colloque
GPUs benefit from much more computation power with the same order of energy consumption than CPUs. Thanks
to their massive data parallel architecture, GPUs can outperform CPUs, especially on Single Program Multiple
Data (SPMD) programming paradigm on a large amount of data. Database engines are now everywhere, from
different sizes and complexities, for multiple usages, embedded or distributed; ...
Improving Performances of an Embedded Relational Database Management System with a Hybrid CPU/GPU Processing Engine
2017,
- HE en Hainaut
- Autre
,
- Article scientifique
Article scientifique
End-user systems are increasingly impacted by the exponential growth of data volumes and their processing. Moreover, post-processing operations, essentially dedicated to ergonomic features, require more and more resources. Improving overall performances of embedded relational database management systems (RDBMS) can contribute to deliver better responsiveness of end-user systems while increasing the ...
Efficiency of GPUs for Relational Database Engine Processing
2016,
- HE en Hainaut
- Autre
,
- Article scientifique
Article scientifique
Relational database management systems (RDBMS) are still widely required by numerous business applications. Boosting performances without compromising functionalities represents a big challenge. To achieve this goal, we propose to boost an existing RDBMS by making it able to use hardware architectures with high memory bandwidth like GPUs. In this paper we present a solution named CuDB. We compare ...
Single node deep learning frameworks: Comparative study and CPU/GPU performance analysis
2021,
- HE en Hainaut
,
- Article scientifique
Article scientifique
Deep learning presents an efficient set of methods that allow learning from massive volumes of data using complex deep neural networks. To facilitate the design and implementation of algorithms, deep learning frameworks provide a high-level programming interface. Based on these frameworks, new models, and applications are able to make better and better predictions. One type of deep learning application ...