論文の概要: Performance-Portable Exact Gaussian Process Regression in Python via SYCL and oneMath
- arxiv url: http://arxiv.org/abs/2611.17565v1
- Date: Thu, 12 Nov 2026 22:44:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.2718
- Title: Performance-Portable Exact Gaussian Process Regression in Python via SYCL and oneMath
- Title(参考訳): SYCLとOneMathによるPythonのガウス的プロセス回帰のパフォーマンス移植性
- Abstract要約: GPRatは、Gaussianプロセスの正確な回帰のためのオープンソースのPythonライブラリである。
我々は、ハイブリッドHPX/SYCL設計でUXL Foundation OneMathバックエンドを寄贈し、GPRatをAMDとIntelに拡張した。
新しいSYCLバックエンドはNVIDIA A30のネイティブの3%以内で最大の問題サイズであり、A30ではGPflowとGPyTorchライブラリを最大1.75xと2.17x、AMD Instinct MI210では最大1.79xと4.62xで上回っている。
- 参考スコア(独自算出の注目度): 74.15248168161854
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern multi-vendor GPU environments force a choice between portable code and native performance. GPRat is an open-source Python library for exact Gaussian process regression built on the HPX asynchronous many-task runtime, tiled algorithms, and CPU/CUDA BLAS backends. We contribute a UXL Foundation oneMath backend with a hybrid HPX/SYCL design, extending GPRat to AMD and Intel GPUs. The new SYCL backend comes within 3% of native CUDA on an NVIDIA A30 at the largest problem size and outperforms the GPflow and GPyTorch libraries by up to 1.75x and 2.17x on the A30 and up to 1.79x and 4.62x on an AMD Instinct MI210. On an Intel Arc B580, a consumer-class card with FP64 throughput below our CPUs, the unmodified SYCL backend trails GPRat's CPU backend. Overall, oneMath's dispatch to vendor-native BLAS lets a single SYCL codebase match CUDA on NVIDIA and outperform established Python GP frameworks on AMD, without vendor-specific code.
- Abstract(参考訳): 現代のマルチベンダGPU環境は、ポータブルコードとネイティブパフォーマンスを選択せざるを得ない。
GPRatは、HPX非同期多タスクランタイム、タイル付きアルゴリズム、CPU/CUDA BLASバックエンド上に構築された、正確なガウス的プロセスレグレッションのためのオープンソースのPythonライブラリである。
我々は、ハイブリッドHPX/SYCL設計でUXL Foundation OneMathバックエンドにコントリビュートし、GPRatをAMDおよびIntel GPUに拡張する。
新しいSYCLバックエンドはNVIDIA A30のネイティブCUDAの3%以内で最大の問題サイズであり、GPflowとGPyTorchライブラリをA30の1.75xと2.17x、AMD Instinct MI210の1.79xと4.62xで上回っている。
当社のCPUより下位にFP64スループットを備えたコンシューマクラスのカードであるIntel Arc B580では、修正されていないSYCLバックエンドがGPRatのCPUバックエンドをパスしている。
全体として、OneMathのベンダーネイティブなBLASへのディスパッチは、単一のSYCLコードベースがNVIDIA上のCUDAと一致し、ベンダー固有のコードなしでAMD上で確立されたPython GPフレームワークよりも優れています。
関連論文リスト
- E3J: An Efficient and Open-Source Backend for Euclidean Equivariant Operations on GPU and TPU [1.232120906972724]
我々は,GPUとTPUのJAXバインディングを備えた幾何学的深層学習アプリケーションのための,高速なユークリッド等価バックエンドe3jを提案する。
最適化されたPallasカーネルとアルゴリズムによる改善の両方を活用することで、このライブラリは最先端のスループットと、前方と後方の両方のパスでのランタイムを実現している。
論文 参考訳(メタデータ) (2026-09-28T13:10:17Z) - Evaluating CUDA Tile for AI Workloads on Hopper and Blackwell GPUs [2.2964417137558457]
NVIDIAのCuTileは、GPUカーネル開発のためのPythonベースのタイル中心の抽象化を導入した。
確立されたアプローチに対するCuTileの独立したクロスアーキテクチャ評価を初めて提示する。
論文 参考訳(メタデータ) (2026-04-25T23:13:47Z) - CUDA Agent: Large-Scale Agentic RL for High-Performance CUDA Kernel Generation [51.72529978689561]
Agentは、カーネルの専門知識を3つのコンポーネントで開発する大規模なエージェント強化学習システムである。
AgentはKernelBench上で、トーチコンパイルよりも100%、100%、92%高速なレートを提供する。
論文 参考訳(メタデータ) (2026-02-27T18:58:05Z) - Characterizing WebGPU Dispatch Overhead for LLM Inference Across Four GPU Vendors, Three Backends, and Three Browsers [0.0]
WebGPUのセキュリティを重視した設計では、ニューラルネットワーク推論において、多数の小さなディスパッチにまたがる化合物の操作毎の検証が義務付けられている。
バッチサイズ1のLLM推論のためのWebGPUディスパッチオーバーヘッドを,4つのベンダ(NVIDIA,AMD,Apple,Intel)と2つのネイティブ実装(Dawn,wgpu-native)と3つのブラウザ(Chrome,Safari,Firefox)にまたがるシステマティックな評価を行った。
私たちの主なコントリビューションはシーケンシャルなディスパッチ手法です。
論文 参考訳(メタデータ) (2026-02-09T20:14:42Z) - GPRat: Gaussian Process Regression with Asynchronous Tasks [45.53402807796089]
我々は、非同期ランタイムモデルHPX上に構築されたタスクベースのC++コードをpybind11を使用したハイレベルPython APIにバインディングする新しい方法を提案する。
GPRatはGPyTorchやGPflowと比較して、AMD EPYC 7742 CPU上で64コアまでのスケーリングが優れている。
論文 参考訳(メタデータ) (2025-04-30T19:08:51Z) - Fully-fused Multi-Layer Perceptrons on Intel Data Center GPUs [3.7101665559244874]
本稿では,Intel Data Center GPU Max 1550用のMulti-formedLayer Perceptrons(MLP)の実装について述べる。
これにより算術強度が大幅に向上し,特に推論性能が向上することを示す。
論文 参考訳(メタデータ) (2024-03-26T11:38:39Z) - 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) - Efficient and Generic 1D Dilated Convolution Layer for Deep Learning [52.899995651639436]
幅広いパラメータをカバーする汎用的な1D畳み込み層の効率的な実装を紹介します。
特にIntel AVX-512とAVX-512 BFloat16命令を含むアーキテクチャ向けに最適化されている。
本稿では,最適化された1次元畳み込み層の性能を,実際のゲノミクスデータセットを用いたエンドツーエンドニューラルネットワークトレーニングで実証する。
論文 参考訳(メタデータ) (2021-04-16T09:54:30Z)
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。