Fugu-MT 論文翻訳(概要): DLSpec: A Deep Learning Task Exchange Specification

論文の概要: DLSpec: A Deep Learning Task Exchange Specification

arxiv url: http://arxiv.org/abs/2002.11262v1
Date: Wed, 26 Feb 2020 02:27:50 GMT
ステータス: 処理完了
システム内更新日: 2022-12-28 14:07:37.250424
Title: DLSpec: A Deep Learning Task Exchange Specification
Title（参考訳）: DLSpec: ディープラーニングタスク交換仕様
Authors: Abdul Dakkak, Cheng Li, Jinjun Xiong, Wen-Mei Hwu
Abstract要約: ディープラーニング(DL)のイノベーションは、急速に導入されています。現在のDLタスクの標準仕様の欠如は、これらのイノベーションの共有、実行、再生、比較を困難にしている。 DLSpecは、DLタスクのさまざまな側面をキャプチャする、モデル、データセット、ソフトウェア、ハードウェアに依存しないDL仕様である。
参考スコア（独自算出の注目度）: 32.62513495487506
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Deep Learning (DL) innovations are being introduced at a rapid pace. However, the current lack of standard specification of DL tasks makes sharing, running, reproducing, and comparing these innovations difficult. To address this problem, we propose DLSpec, a model-, dataset-, software-, and hardware-agnostic DL specification that captures the different aspects of DL tasks. DLSpec has been tested by specifying and running hundreds of DL tasks.
Abstract（参考訳）: ディープラーニング(dl)のイノベーションは急速に導入されている。しかし、現在のDLタスクの標準仕様の欠如は、これらのイノベーションの共有、実行、再生、比較を困難にしている。この問題を解決するために,dlタスクのさまざまな側面をキャプチャするモデル,データセット,ソフトウェア,ハードウェアに依存しないdl仕様であるdlspecを提案する。 DLSpecは、数百のDLタスクを指定および実行することでテストされている。

関連論文リスト

A Taxonomy of Self-Admitted Technical Debt in Deep Learning Systems [13.90991624629898]
本稿では,ディープラーニングシステムにおける自己受け入れ技術的負債(SATD)の存在を実証的に分析する。オープンコーディングにより, DL特異的SATDの分類を導出し, 7つのカテゴリと41の葉を特徴とした。
論文参考訳（メタデータ） (2024-09-18T09:21:10Z)
Science-Informed Deep Learning (ScIDL) With Applications to Wireless Communications [11.472232944923558]
本稿では,ScIDL(Science-informed Deep Learning)に関するチュートリアルを紹介する。 ScIDLは、既存の科学知識をDL技術と統合し、より強力なアルゴリズムを開発することを目的としている。我々は、ScidLの最近の応用と、無線通信分野における今後の研究方向性について論じる。
論文参考訳（メタデータ） (2024-06-29T02:35:39Z)
Are you still on track!? Catching LLM Task Drift with Activations [55.75645403965326]
タスクドリフトは攻撃者がデータを流出させたり、LLMの出力に影響を与えたりすることを可能にする。そこで, 簡易線形分類器は, 分布外テストセット上で, ほぼ完全なLOC AUCでドリフトを検出することができることを示す。このアプローチは、プロンプトインジェクション、ジェイルブレイク、悪意のある指示など、目に見えないタスクドメインに対して驚くほどうまく一般化する。
論文参考訳（メタデータ） (2024-06-02T16:53:21Z)
A Survey of Deep Learning Library Testing Methods [33.62859142913532]
ディープラーニング(DL)ライブラリは、基礎となる最適化と計算を行う。 DLライブラリはバグに免疫がなく、ユーザの個人資産や安全性に深刻な脅威をもたらす可能性がある。本稿では,各種DLライブラリに関する試験研究の概要について述べる。
論文参考訳（メタデータ） (2024-04-27T11:42:13Z)
When does In-context Learning Fall Short and Why? A Study on Specification-Heavy Tasks [54.71034943526973]
In-context Learning (ICL)は、大規模言語モデル(LLM)のデフォルトメソッドとなっている。 ICLは、複雑で広範囲なタスク仕様を持つタスクである、仕様の重いタスクを処理できないことが分かりました。我々は、コンテキストを具体的に理解できないこと、タスクスキーマが人間と理解できないこと、長文理解が不十分であること、の3つの主な理由を識別する。
論文参考訳（メタデータ） (2023-11-15T14:26:30Z)
Tensor Processing Primitives: A Programming Abstraction for Efficiency and Portability in Deep Learning Workloads [86.62083829086393]
このプロセスプリミティブ(TPP、Processing Primitives)は、高い生産性を持つDeep Learning-Workloadの効率的でポータブルな実装を目指すプログラミング抽象化である。 TPPは、高次元テンソル上の複素作用素を構成するためにビルディングブロックとして使用できる2Dテンソル作用素(または仮想ISA)のコンパクトで汎用的な集合を定義する。我々は,スタンドアロンカーネルとTLPで表現されたエンドツーエンドのDLワークロードによるアプローチの有効性を実証し,複数のプラットフォーム上での最先端実装よりも優れていることを示す。
論文参考訳（メタデータ） (2021-04-12T18:35:49Z)
An Empirical Study on Deployment Faults of Deep Learning Based Mobile Applications [7.58063287182615]
モバイルディープラーニング(DL)アプリは、大規模データを使用してトレーニングされたDLモデルとDLプログラムを統合する。本稿では,モバイルdlアプリのデプロイ障害に関する最初の総合的研究を行う。我々は,断層症状に関する23のカテゴリからなる微粒度分類を構築し,異なる断層タイプに対する共通修正戦略を蒸留する。
論文参考訳（メタデータ） (2021-01-13T08:19:50Z)
A Survey of Deep Active Learning [54.376820959917005]
アクティブラーニング(AL)は、最も少ないサンプルをマークすることで、モデルの性能向上を最大化しようとする。ディープラーニング(DL)はデータに対して欲張りであり、大量のパラメータを最適化するために大量のデータ供給を必要とする。ディープラーニング(Deep Active Learning, DAL)が誕生した。
論文参考訳（メタデータ） (2020-08-30T04:28:31Z)
Automated Reasoning in Temporal DL-Lite [65.9825143048822]
本稿では,時間的DL-Lite(TDL-Lite)知識ベース(KB)に対する自動推論の実現可能性について検討する。我々は,TDL-Lite KB の満足度を確認するために,市販の推論器を用いてテストする。 TDL-Lite KB の使用を現実的なものにするために,グラフィカルなインタフェースを備えた本格的なツールを提案する。
論文参考訳（メタデータ） (2020-08-17T16:40:27Z)
The Deep Learning Compiler: A Comprehensive Survey [16.19025439622745]
我々は、広く採用されている設計を詳細に分離し、既存のDLコンパイラを網羅的に調査する。具体的には、様々な側面から既存のDLコンパイラを総合的に比較する。
論文参考訳（メタデータ） (2020-02-06T07:29:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。