論文の概要: JExplore: Design Space Exploration Tool for Nvidia Jetson Boards

• arxiv url: http://arxiv.org/abs/2502.15773v1
• Date: Sun, 16 Feb 2025 21:37:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-02 02:51:26.787980
• Title: JExplore: Design Space Exploration Tool for Nvidia Jetson Boards
• Title（参考訳）: JExplore:Nvidia Jetsonボードのためのデザインスペース探索ツール
• Authors: Basar Kutukcu, Sinan Xie, Sabur Baidya, Sujit Dey,
• Abstract要約: JExploreはマルチボードソフトウェアおよびハードウェアデザインスペース探索ツールである。 任意の検索ツールと統合できるため、検索アルゴリズムの共通ベンチマークグラウンドを作成することができる。
• 参考スコア（独自算出の注目度）: 3.8225370159408185
• License:
• Abstract: Nvidia Jetson boards are powerful systems for executing artificial intelligence workloads in edge and mobile environments due to their effective GPU hardware and widely supported software stack. In addition to these benefits, Nvidia Jetson boards provide large configurability by giving the user the choice to modify many hardware parameters. This large space of configurability creates the need of searching the optimal configurations based on the user's requirements. In this work, we propose JExplore, a multi-board software and hardware design space exploration tool. JExplore can be integrated with any search tool, hence creating a common benchmarking ground for the search algorithms. Moreover, it accelerates the exploration of user application and Nvidia Jetson configurations for researchers and engineers by encapsulating host-client communication, configuration management, and metric measurement.
• Abstract（参考訳）: Nvidia Jetsonボードは、効率的なGPUハードウェアと広くサポートされているソフトウェアスタックのため、エッジおよびモバイル環境で人工知能ワークロードを実行するための強力なシステムである。 これらのメリットに加えて、Nvidia Jetsonボードは、多くのハードウェアパラメータを変更する選択をユーザに与え、大きな構成性を提供します。 この大きな設定可能性の空間は、ユーザの要求に基づいて最適な設定を検索する必要性を生じさせる。 本研究では,マルチボードソフトウェアおよびハードウェア設計空間探索ツールであるJExploreを提案する。 JExploreは任意の検索ツールと統合できるため、検索アルゴリズムの共通ベンチマークグラウンドを作成することができる。 さらに、ホスト-クライアント通信、構成管理、メトリック測定をカプセル化することにより、研究者やエンジニアのためのユーザアプリケーションとNvidia Jetson構成の探索を加速する。

関連論文リスト

• SCAN-Edge: Finding MobileNet-speed Hybrid Networks for Diverse Edge Devices via Hardware-Aware Evolutionary Search [10.48978386515933]
  我々は,多種多様なエッジデバイスに対応するために,自己認識,畳み込み,アクティベーションを探索する統一NASフレームワークを提案する。 SCAN-Edgeは、サンプリングプロセスを高速化するために、検索空間の品質を改善するハードウェア対応の進化アルゴリズムに依存している。
  論文  参考訳（メタデータ） (2024-08-27T20:39:09Z)
• SpikeExplorer: hardware-oriented Design Space Exploration for Spiking Neural Networks on FPGA [42.170149806080204]
  SpikExplorerは、ハードウェア指向のAutomatic Design Space ExplorationのためのPythonツールである。 最適なネットワークアーキテクチャ、ニューロンモデル、内部およびトレーニングパラメータを検索する。 MNISTデータセットでは95.8%の精度に達し、消費電力は180mW/image、レイテンシは0.12ms/imageである。
  論文  参考訳（メタデータ） (2024-04-04T17:53:08Z)
• Multi-objective Differentiable Neural Architecture Search [58.67218773054753]
  我々は,ユーザの好みをトレードオフ性能やハードウェアメトリクスにエンコードするNASアルゴリズムを提案する。 提案手法は,既存のMOO NAS手法を,定性的に異なる検索空間やデータセットの広い範囲で性能良くする。
  論文  参考訳（メタデータ） (2024-02-28T10:09:04Z)
• DEAP: Design Space Exploration for DNN Accelerator Parallelism [0.0]
  大規模言語モデル(LLM)はますます複雑で、訓練やサービスにも強力になっています。 本稿では、ハードウェアとソフトウェアの共同設計がどのように連携し、カスタマイズされたハードウェアシステムを構築するかを示す。
  論文  参考訳（メタデータ） (2023-12-24T02:43:01Z)
• ResyDuo: Combining data models and CF-based recommender systems to develop Arduino projects [4.844354192596123]
  本稿では,Arduino開発者を支援するために,ResyDuoというプロトタイプを提案する。 ResyDuoは,ProjectHubリポジトリに格納されているタグや既存のArduinoプロジェクトを使用して,ハードウェアコンポーネントを検索する。 システムは最終的に、識別されたハードウェアデバイスに基づいて対応するソフトウェアライブラリを検索することができる。
  論文  参考訳（メタデータ） (2023-08-26T08:21:31Z)
• Benchmarking Jetson Edge Devices with an End-to-end Video-based Anomaly Detection System [0.0]
  監視ビデオから入力されるエンドツーエンドのビデオベース犯罪シーン異常検知システムを実装した。 システムは複数のJetsonエッジデバイス(Nano、AGX Xavier、Orin Nano)で運用されている。 私たちは,さまざまなJetson Edgeデバイスに,AIベースのシステムデプロイメントをDockerテクノロジで実施した経験を提供します。
  論文  参考訳（メタデータ） (2023-07-28T17:16:57Z)
• ArchGym: An Open-Source Gymnasium for Machine Learning Assisted Architecture Design [52.57999109204569]
  ArchGymは、さまざまな検索アルゴリズムをアーキテクチャシミュレータに接続するオープンソースのフレームワークである。 我々は、カスタムメモリコントローラ、ディープニューラルネットワークアクセラレータ、AR/VRワークロード用のカスタムSOCを設計する際に、複数のバニラおよびドメイン固有の検索アルゴリズムにわたってArchGymを評価する。
  論文  参考訳（メタデータ） (2023-06-15T06:41:23Z)
• MAPLE-Edge: A Runtime Latency Predictor for Edge Devices [80.01591186546793]
  汎用ハードウェアの最先端遅延予測器であるMAPLEのエッジデバイス指向拡張であるMAPLE-Edgeを提案する。 MAPLEと比較して、MAPLE-Edgeはより小さなCPUパフォーマンスカウンタを使用して、ランタイムとターゲットデバイスプラットフォームを記述することができる。 また、共通ランタイムを共有するデバイスプール上でトレーニングを行うMAPLEとは異なり、MAPLE-Edgeは実行時に効果的に一般化できることを示す。
  論文  参考訳（メタデータ） (2022-04-27T14:00:48Z)
• Tevatron: An Efficient and Flexible Toolkit for Dense Retrieval [60.457378374671656]
  Tevatronは、効率、柔軟性、コードの単純さに最適化された高密度な検索ツールキットである。 Tevatronのフレキシブルな設計は、データセット、モデルアーキテクチャ、アクセラレータプラットフォームをまたいで簡単に一般化できることを示す。
  論文  参考訳（メタデータ） (2022-03-11T05:47:45Z)
• JUWELS Booster -- A Supercomputer for Large-Scale AI Research [79.02246047353273]
  本稿では、最近J'ulich Supercomputing Centerに委託された高性能コンピューティングシステムであるJUWELS Boosterを紹介する。 システムアーキテクチャ、並列性、分散モデルトレーニング、その優れたパフォーマンスを示すベンチマークについて詳述する。
  論文  参考訳（メタデータ） (2021-06-30T21:37:02Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。