Crowdsourcing experiments

此應用程序可以讓你參加實驗眾包幫助研究人員解決使用提供http://github.com/ctuning/ck開源的集體知識引擎複雜的問題。你可以看到所有公開的人群在結果http://cknowledge.org/repo！您還可以看看其他的方式參與實驗眾包（使用筆記本電腦和數據中心）的https://github.com/ctuning/ck/wiki/Crowdsourcing-optimization。最後，你可以在https://github.com/ctuning/crowdsource-experiments-using-android-devices得到這個Android應用程序的開放式源。 http://cTuning.org：這個發展是由非營利cTuning基礎相協調。請看看我們的開放科學等舉措在http://cTuning.org/reproducibility-wiki。

我們一直在與缺乏計算資源和不同工作負載/數據集/硬件我們自己的研究努力使更快，更小，更節能可靠的自我調整軟件和硬件十年以上！的確，計算機系統正變得非常低效 - 它是當今並不少見，得到10倍的加速，2倍尺寸的減小和對最新的硬件流行算法（DNN，BLAS，視頻處理）使用各種算法參數的所謂自調節40％的能量減少和編譯器優化。然而，這種方法是極其耗時由於非常大的設計和優化空間時間。

隨著非營利cTuning基金會的幫助下，我們開發了這個開源的集體知識技術（CK），以讓社會共享的工作負載，數據集，工具和實驗工作流程中通過GitHub上或到位桶開放CK格式，跨越眾包實驗由志願者提供了大量的設備，分類動態（主動學習）解決方案，適用於預測分析，交流知識和繁殖的結果。我們目前的共享實驗場景，包括GCC和LLVM編譯器標誌調整，我們計劃增加自動的OpenCL / CUDA優化，可擴展性測試，編譯器錯誤檢測和數值穩定性分析（見基於CK-交互式報表：http://cknowledge.org/交互式報告）！此應用程序只需查詢任何可用的公共CK服務器，獲得實驗組為您的設備（如使用不同的優化共享的基準數的二進制文件），用一些隨機數據集運行時，它在移動設備上發送數據回CK服務器成為採用主動學習和預測分析處理。

您的參與支持我們的開放的科學，如神器評估在各種會議（分享與所有有關的文物和可重複和可重複使用的方式出版物由社區來驗證結果以及實驗工作流程）可重複的研究舉措：

* http://cTuning.org/ae

* http://adapt-workshop.org

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

你可以閱讀更多有關我們在以下出版物長遠的眼光：

* 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

我們要感謝我們的支持者電流：

* http://cTuning.org（非盈利機構）

* http://dividiti.com

我們有很多新的想法，並基於該技術可能的項目。如果你有興趣了解更多，甚至參加我們的活動，加入我們不斷增長的學術和工業財團，優化或分享您合理的工作量，實現新的實驗眾包方案，提供更多的計算資源，不要猶豫取得聯繫與作者（格里戈里Fursin，http://fursin.net）或通過我們的公共郵件列表：

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

非常感謝您參與實驗眾包，使開放科學！