Fugu-MT 論文翻訳(概要): GreenMalloc: Allocator Optimisation for Industrial Workloads

論文の概要: GreenMalloc: Allocator Optimisation for Industrial Workloads

arxiv url: http://arxiv.org/abs/2510.21405v1
Date: Fri, 24 Oct 2025 12:49:38 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-28 09:00:15.469632
Title: GreenMalloc: Allocator Optimisation for Industrial Workloads
Title（参考訳）: GreenMalloc: 産業ワークロードのアロケータ最適化
Authors: Aidan Dakhama, W. B. Langdon, Hector D. Menendez, Karine Even-Mendoza,
Abstract要約: GreenMallocは、メモリアロケータを自動的に設定するフレームワークである。効率を損なうことなく,平均ヒープ使用量において最大4.1パーカンテージの減少を示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present GreenMalloc, a multi objective search-based framework for automatically configuring memory allocators. Our approach uses NSGA II and rand_malloc as a lightweight proxy benchmarking tool. We efficiently explore allocator parameters from execution traces and transfer the best configurations to gem5, a large system simulator, in a case study on two allocators: the GNU C/CPP compiler's glibc malloc and Google's TCMalloc. Across diverse workloads, our empirical results show up to 4.1 percantage reduction in average heap usage without loss of runtime efficiency; indeed, we get a 0.25 percantage reduction.
Abstract（参考訳）: メモリアロケータを自動的に設定する多目的検索ベースのフレームワークであるGreenMallocを提案する。我々のアプローチでは、軽量なプロキシベンチマークツールとしてNSGA IIとrund_mallocを使用します。 GNU C/CPPコンパイラの glibc malloc と Google の TCMalloc という2つのアロケータのケーススタディにおいて,実行トレースからアロケータパラメータを効率的に探索し,最適な構成を大規模なシステムシミュレータ gem5 に転送する。さまざまなワークロードにわたって、私たちの経験的結果は、実行効率を損なうことなく、平均的なヒープ使用量を最大4.1パーカンテージ削減します。

関連論文リスト

Unlocking the Power of SAM 2 for Few-Shot Segmentation [54.562050590453225]
Few-Shot (FSS) は、少数のクラスでクラスに依存しないセグメンテーションを学習し、任意のクラスをセグメンテーションすることを目的としている。近年、SAM 2は、クラスに依存しないマッチング能力を持つビデオセグメンテーションをサポートしてSAMを拡張している。擬似クエリメモリを符号化するPseudo Prompt Generatorを設計し、クエリ機能と互換性のある方法でマッチングする。さらに、メモリにより多くのクエリFG機能を融合させる反復メモリリファインメントを設計し、メモリの予期せぬクエリBG機能を抑制するためのサポートキャリブレーションメモリアテンションを考案する。
論文参考訳（メタデータ） (2025-05-20T09:02:53Z)
FUSELOC: Fusing Global and Local Descriptors to Disambiguate 2D-3D Matching in Visual Localization [52.57327385675752]
直接2D-3Dマッチングではメモリが大幅に削減されるが、より大きくあいまいな検索空間のために精度が低下する。重み付き平均演算子を用いて局所的および大域的記述子を融合することにより、この曖昧さに対処する。メモリを43%削減し、1.6倍高速に動作しながら、階層的な手法に近いパフォーマンスを実現しています。
論文参考訳（メタデータ） (2024-08-21T23:42:16Z)
MOKD: Cross-domain Finetuning for Few-shot Classification via Maximizing Optimized Kernel Dependence [97.93517982908007]
NCCは、ドメイン間数ショットの分類において、少数ショットの分類が可能なメートル法空間を構築するために表現を学ぶことを目的としている。本稿では,異なるクラスから得られた2つの標本の NCC 学習表現に高い類似性があることを見出した。ラベル付きデータによって示されるクラスタ構造にマッチするクラス固有の表現の集合を学習するために、最適化されたカーネル依存(MOKD)を最大化する二段階最適化フレームワークを提案する。
論文参考訳（メタデータ） (2024-05-29T05:59:52Z)
Fast Inference with Kronecker-Sparse Matrices [4.387337528923525]
KS行列乗算のための既存のGPUカーネルは、高いデータ移動コストに悩まされている。本稿では、これらのオーバーヘッドを解消する、融合した出力定常GPUカーネルを提案する。 FP32では,VT-S/16では最大22%,GPT-2媒体では16%のレイテンシ低下を示した。
論文参考訳（メタデータ） (2024-05-23T19:36:10Z)
StarMalloc: A Formally Verified, Concurrent, Performant, and Security-Oriented Memory Allocator [3.7554217682190365]
本稿では,より効率的な検証を可能にするために,依存型とモジュール抽象に依存したStarMallocの特定と検証方法を示す。 StarMallocはFirefoxブラウザを含む現実世界のプロジェクトで使用でき、10の最先端メモリアロケータに対して評価することができる。
論文参考訳（メタデータ） (2024-03-14T14:29:01Z)
SeMalloc: Semantics-Informed Memory Allocator [18.04397502953383]
UAF(Use-after-free)は、メモリアンセーフ言語において重要な問題である。ヒープオブジェクトに関するより多くのセマンティクスをアロケータに渡すことで、トリニティをバランスさせる方法の1つを示します。 SeMallocでは、同じコールサイトから割り当てられたヒープオブジェクトと、同じ関数呼び出しスタックを介して、仮想メモリアドレスを共有することができる。
論文参考訳（メタデータ） (2024-02-02T21:02:15Z)
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)
Memory Planning for Deep Neural Networks [0.0]
推論中のDNNのメモリ割り当てパターンについて検討する。このようなtexttmutex競合による遅延は、ユーザ向けサービスにおいて望ましくないボトルネックを生み出します。 PyTorchディープラーニングフレームワークにおける textttMemoMalloc の実装について述べる。
論文参考訳（メタデータ） (2022-02-23T05:28:18Z)

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。