論文の概要: GPU-CFR: 80x Faster Counterfactual Regret Minimization by Compiling the Game to Static Dataflow and CUDA Graph Replay

• arxiv url: http://arxiv.org/abs/2609.11923v1
• Date: Thu, 10 Sep 2026 17:58:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.485156
• Title: GPU-CFR: 80x Faster Counterfactual Regret Minimization by Compiling the Game to Static Dataflow and CUDA Graph Replay
• Title（参考訳）: GPU-CFR: 静的データフローとCUDAグラフリプレイへのゲームコンパイルによる80倍高速な対実レグレット最小化
• Abstract要約: GPU-CFRは任意のゲームを静的データフローにコンパイルする。 Graph Replayはイテレーションを一度記録し、単一のグラフ起動で再生する。 GPU-CFRは、更新ルールを変更することなく、スイートの中間から大きなゲームですべてのCPUとベースラインを上回ります。
• 参考スコア（独自算出の注目度）: 38.06569764716213
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Counterfactual regret minimization (CFR) is one of the few large numerical workloads that still runs faster on CPUs than on GPUs. Each iteration sweeps a game tree with up to billions of states in millions of small, interdependent gather and scatter steps issued through a generic tree interface. On a GPU every kernel finishes in microseconds, so kernel launches and framework dispatch dominate the run time, and prior GPU implementations have lost to optimized CPU code. We observe that for a fixed game, everything about a CFR iteration except the numerical values is known before the first iteration runs. We propose GPU-CFR, a compiler and runtime built on this observation. It compiles any game once into static dataflow: flat edge and information-set arrays, precomputed indices, and depth-level batched passes fix the entire operation sequence, and only solver state changes between iterations. Static chance folding, depth-level execution blocks, and a dual-lane reach buffer cut the number of framework operations by up to 18.1x. Because shapes, indices, and buffer addresses never change, CUDA Graph Replay records the iteration once and replays it with a single graph launch. On one A100, across an eight-game suite that spans card games, dice games, and board games, GPU-CFR runs 29.8--80.4x faster than the fastest prior GPU CFR on the same accelerator, and 14--258x faster than LiteEFG, one of the fastest open-source CPU implementations, on the four largest games. The compiled representation carries most of that margin: on eight CPU threads with no accelerator it is already 2.2--51.1x faster than the GPU baseline. On the CPU the optimized path reproduces the reference iterates bitwise, and tree construction and graph capture pay for themselves within the first solve. GPU-CFR beats every CPU and GPU baseline on the mid-to-large games of the suite without changing the update rule.
• Abstract（参考訳）: 反実的後悔の最小化(CFR)は、GPUよりもCPU上で高速に動作する数少ない大規模数値ワークロードの1つである。 各イテレーションは、ジェネリックツリーインターフェースを通じて発行される数百万の小さな、相互依存の集合と散乱ステップにおいて、最大数十億のステートを持つゲームツリーを掃討する。 GPUでは、すべてのカーネルがマイクロ秒で終了するので、カーネルの起動とフレームワークディスパッチが実行時間を支配し、以前のGPU実装は最適化されたCPUコードに負けている。 固定ゲームの場合、最初のイテレーションが実行される前に、数値以外のCFRイテレーションに関する全てのことが分かっている。 この観測に基づいて構築されたコンパイラとランタイムであるGPU-CFRを提案する。 フラットエッジとインフォメーションセットの配列、プリ計算されたインデックス、深さレベルのバッチされたパスといった、任意のゲームを静的なデータフローにコンパイルする。 静的なチャンスフォールディング、深さレベルの実行ブロック、デュアルレーンリーチバッファは、フレームワークの操作数を最大18.1倍に削減した。 形状、インデックス、バッファアドレスが決して変更されないため、CUDA Graph Replayはイテレーションを一度記録し、単一のグラフ起動で再生する。 1つのA100では、カードゲーム、ダイスゲーム、ボードゲームにまたがる8ゲームスイートにまたがって、GPU-CFRは、同じアクセル上で最速のGPU CFRよりも29.8--80.4倍速く、また4大ゲームで最速のオープンソースCPU実装であるLiteEFGより14-258倍速い。 8つのCPUスレッドでアクセル無しで、GPUベースラインよりも2.2-51.1倍高速である。 CPU上では、最適化されたパスは参照をビット単位で再現し、ツリーの構築とグラフキャプチャは、最初の解決で自分自身に支払う。 GPU-CFRは、更新ルールを変更することなく、スイートの中間から大きなゲームにおいて、CPUとGPUのベースラインを全て破る。

関連論文リスト

• Speedrunning Tabular Foundation Model Pretraining [80.20375439555964]
  我々はNanoTabPFNのコミュニティスピードランを紹介する。 コントリビュータは、単一ファイルのトレーニングスクリプトを変更し、固定下流のLOC AUCターゲットに到達するために競合する。 現在の最高記録は0.92分で目標に到達し、74.32分ベースラインの81倍のスピードアップを記録した。
  論文  参考訳（メタデータ） (2026-06-02T14:04:31Z)
• Minute-Long Videos with Dual Parallelisms [57.22737565366549]
  Diffusion Transformer (DiT)ベースのビデオ拡散モデルは、大規模に高品質なビデオを生成するが、長いビデオの処理遅延とメモリコストは禁じられている。 我々はDualParalと呼ばれる新しい分散推論戦略を提案する。 1つのGPUでビデオ全体を生成する代わりに、時間フレームとモデルレイヤの両方をGPU間で並列化します。
  論文  参考訳（メタデータ） (2025-05-27T11:55:22Z)
• GPU-Accelerated Counterfactual Regret Minimization [40.39759037668144]
  反実的後悔は、大規模な不完全な情報ゲームを解決することができる非回帰学習力学のアルゴリズムのファミリーである。 本稿では,このアルゴリズムを高密度かつスパースな行列およびベクトル演算系として実装し,グラフィカル処理ユニットに対して高い並列化を実現することを提案する。 我々の実装は、OpenSpielのPython実装よりも401.2倍高速で、拡張されたゲームセットでは、OpenSpielのC++実装より203.6倍高速です。
  論文  参考訳（メタデータ） (2024-08-27T04:56:45Z)
• Cheddar: A Swift Fully Homomorphic Encryption Library Designed for GPU Architectures [2.613335121517245]
  完全なホモモルフィック暗号化(FHE)は、暗号化されたデータに対するセキュアな計算を可能にすることによって、クラウドコンピューティングをプライバシの懸念から解放する。 我々は、GPUのための高性能なFHEライブラリであるCheddarを紹介し、従来のGPU実装よりも大幅に高速化した。
  論文  参考訳（メタデータ） (2024-07-17T23:49:18Z)
• INR-Arch: A Dataflow Architecture and Compiler for Arbitrary-Order Gradient Computations in Implicit Neural Representation Processing [66.00729477511219]
  計算グラフとして表される関数を考えると、従来のアーキテクチャはn階勾配を効率的に計算する上で困難に直面している。 InR-Archは,n階勾配の計算グラフをハードウェア最適化データフローアーキテクチャに変換するフレームワークである。 1.8-4.8x と 1.5-3.6x の高速化を CPU と GPU のベースラインと比較した結果を示す。
  論文  参考訳（メタデータ） (2023-08-11T04:24:39Z)
• PLSSVM: A (multi-)GPGPU-accelerated Least Squares Support Vector Machine [68.8204255655161]
  Support Vector Machines (SVM) は機械学習で広く使われている。 しかし、現代的で最適化された実装でさえ、最先端ハードウェア上の大きな非自明な高密度データセットにはうまくスケールしない。 PLSSVMはLVMのドロップイン代替として使用できる。
  論文  参考訳（メタデータ） (2022-02-25T13:24:23Z)
• RTGPU: Real-Time GPU Scheduling of Hard Deadline Parallel Tasks with Fine-Grain Utilization [5.02836935036198]
  本論文では,複数のGPUアプリケーションの実行をリアルタイムにスケジュール可能なRTGPUを提案する。 提案手法は,従来の作業に比べてスケジューリング性に優れ,複数のGPUアプリケーションに厳しい期限をリアルタイムに保証する。
  論文  参考訳（メタデータ） (2021-01-25T22:34:06Z)
• Nimble: Lightweight and Parallel GPU Task Scheduling for Deep Learning [7.43260596107574]
  我々は、最小のスケジューリングオーバーヘッドでタスクを並列に実行する、ディープラーニング(DL)実行エンジンであるNimbleを提案する。 Nableは、単一のGPUで複数のGPUストリームを活用することで、GPUタスクの実行を自動的に並列化する。 PyTorchと比較して、Nimbleは推論とトレーニングを最大22.34$times$と3.61$times$で高速化している。
  論文  参考訳（メタデータ） (2020-12-04T17:25:46Z)
• Out-of-Core GPU Gradient Boosting [0.0]
  モデル精度やトレーニング時間を劣化させることなく、より大規模なデータセットを所定のGPUに適合させることができることを示す。 グラデーションブースティングのGPU実装としてはこれが初めてだ。
  論文  参考訳（メタデータ） (2020-05-19T00:41:00Z)
• TFApprox: Towards a Fast Emulation of DNN Approximate Hardware Accelerators on GPU [0.4817429789586127]
  近似演算回路を導入することにより、ディープニューラルネットワーク(DNN)のハードウェアアクセラレータのエネルギー効率を向上させることができる。 DNNアクセラレータのソフトウェアエミュレーションは通常、CPUまたはGPU上で実行される。 このエミュレーションは通常、ソフトウェアDNN実装のエミュレーションよりも2～3桁遅い。
  論文  参考訳（メタデータ） (2020-02-21T08:22:56Z)
• Efficient Video Semantic Segmentation with Labels Propagation and Refinement [138.55845680523908]
  本稿では,ハイブリッドGPU/CPUを用いた高精細ビデオのリアルタイムセマンティックセマンティックセマンティック化の問題に取り組む。 i) CPU上では、非常に高速な光フロー法であり、ビデオの時間的側面を利用して、あるフレームから次のフレームへ意味情報を伝達するために使用される。 高解像度フレーム(2048 x 1024)を持つ一般的なCityscapesデータセットでは、単一のGPUとCPU上で80から1000Hzの動作ポイントが提案されている。
  論文  参考訳（メタデータ） (2019-12-26T11:45:15Z)

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。