Crowdsourcing experiments

Permohonan ini membolehkan anda mengambil bahagian dalam eksperimen crowdsourcing untuk membantu penyelidik menyelesaikan masalah yang kompleks dengan menggunakan sumber terbuka Pengetahuan Collective Engine didapati di http://github.com/ctuning/ck. Anda boleh melihat semua keputusan orang ramai awam di http://cknowledge.org/repo! Anda juga boleh menyemak cara lain untuk mengambil bahagian dalam eksperimen crowdsourcing (menggunakan komputer riba dan pusat-pusat data) di https://github.com/ctuning/ck/wiki/Crowdsourcing-optimization. Akhir sekali, anda boleh mendapatkan sumber terbuka aplikasi Android ini pada https://github.com/ctuning/crowdsource-experiments-using-android-devices. Perkembangan ini diselaraskan oleh bukan keuntungan cTuning asas: http://cTuning.org. Sila, daftar inisiatif kami yang lain untuk sains terbuka pada http://cTuning.org/reproducibility-wiki.

Kami bergelut dengan kekurangan sumber pengiraan dan beban kerja yang pelbagai / set data / perkakasan untuk penyelidikan kami sendiri untuk membuat lebih cepat, lebih kecil, lebih kuasa dipercayai perisian tuning diri cekap dan perkakasan untuk lebih daripada satu dekad! Sesungguhnya, sistem komputer menjadi sangat tidak cekap - ia adalah pada masa kini bukan sesuatu yang luar biasa untuk mendapatkan 10x speedups, pengurangan saiz 2x dan 40% pengurangan tenaga untuk algoritma popular (DNN, BLAS, pemprosesan video) pada perkakasan terkini menggunakan apa yang dipanggil autotuning pelbagai parameter algoritma dan pengoptimuman compiler. Walau bagaimanapun, proses ini adalah amat memakan kerana sangat besar reka bentuk dan pengoptimuman ruang masa.

Dengan bantuan asas cTuning bukan keuntungan, kami telah membangunkan sumber terbuka ini teknologi Pengetahuan Kolektif (CK) untuk membiarkan beban kerja bahagian masyarakat, set data, alat dan aliran kerja eksperimen dalam format CK terbuka melalui GitHub atau BitBucket, crowdsource eksperimen seluruh pelbagai peranti diberikan oleh sukarelawan, mengelaskan penyelesaian dengan cepat (pembelajaran aktif), memohon analisis ramalan, pertukaran pengetahuan dan menghasilkan semula keputusan. kongsi senario kami semasa eksperimen termasuk GCC dan LLVM penalaan pengkompil bendera, dan kami merancang untuk menambah automatik OpenCL / CUDA penalaan, ujian berskala, pengesanan pengkompil bug dan analisis kestabilan berangka (lihat laporan interaktif berdasarkan CK-: http://cknowledge.org/ interaktif laporan)! Permohonan ini hanya pertanyaan bila ada pelayan CK awam, mendapat pek percubaan untuk peranti anda (seperti beberapa binari penanda aras berkongsi dengan pengoptimuman yang berbeza), berjalan pada peranti mudah alih anda dengan beberapa data rawak ditetapkan dan hantar statistik kembali ke pelayan CK menjadi diproses menggunakan pembelajaran aktif dan analisis ramalan.

Penyertaan anda menyokong sains terbuka kami dan inisiatif penyelidikan diulang seperti artifak Penilaian di pelbagai persidangan (berkongsi aliran kerja eksperimen dengan semua artifak dan keputusan bersama-sama dengan penerbitan dengan cara yang diulang dan boleh diguna semula untuk disahkan oleh komuniti yang berkaitan):

* http://cTuning.org/ae

* http://adapt-workshop.org

* http://ctuning.org/reproducibility-wiki

Anda boleh membaca lebih mengenai visi jangka panjang kami dalam penerbitan berikut:

* http://arxiv.org/abs/1506.06256

* http://bit.ly/ck-date16

* http://hal.inria.fr/hal-01054763

* http://arxiv.org/abs/1406.4020

* https://hal.inria.fr/inria-00436029

Kami ingin mengucapkan terima kasih kepada penyokong semasa kami:

* Http://cTuning.org (asas bukan keuntungan)

* http://dividiti.com

Kami mempunyai banyak idea-idea baru dan projek-projek yang munasabah berasaskan teknologi ini. Jika anda berminat untuk mengetahui lebih lanjut atau mengambil bahagian dalam aktiviti kita, menyertai konsortium akademik dan industri yang semakin berkembang, mengoptimumkan atau berkongsi beban kerja yang realistik anda, melaksanakan senario eksperimen crowdsourcing baru, menyediakan lebih banyak sumber pengiraan, tidak teragak-agak untuk berhubung dengan penulis (Grigori Fursin, http://fursin.net) atau melalui senarai mel awam kita:

* https://groups.google.com/forum/#!forum/collective-knowledge

Terima kasih kerana mengambil bahagian dalam eksperimen crowdsourcing dan membolehkan sains terbuka!