Crowdsourcing experiments

Ứng dụng này cho phép bạn tham gia vào crowdsourcing thử nghiệm để giúp các nhà nghiên cứu giải quyết các vấn đề phức tạp sử dụng mã nguồn mở kiến ​​thức tập thể cơ có sẵn tại http://github.com/ctuning/ck. Bạn có thể xem tất cả các kết quả đám đông công chúng tại http://cknowledge.org/repo! Bạn cũng có thể kiểm tra ra cách khác để tham gia vào crowdsourcing thí nghiệm (sử dụng máy tính xách tay và các trung tâm dữ liệu) tại https://github.com/ctuning/ck/wiki/Crowdsourcing-optimization. Cuối cùng, bạn có thể nhận được nguồn mở của ứng dụng Android này tại https://github.com/ctuning/crowdsource-experiments-using-android-devices. Sự phát triển này được điều phối bởi nền tảng cTuning phi lợi nhuận: http://cTuning.org. Xin vui lòng, xem ra các sáng kiến ​​khác của chúng tôi đối với khoa học mở tại http://cTuning.org/reproducibility-wiki.

Chúng tôi đã phải vật lộn với tình trạng thiếu nguồn lực tính toán và khối lượng công việc đa dạng / bộ dữ liệu / phần cứng với nghiên cứu của chúng tôi để thực hiện nhanh hơn, nhỏ hơn, quyền lực hơn nữa hiệu quả đáng tin cậy phần mềm tự điều chỉnh và phần cứng trong hơn một thập kỷ! Thật vậy, các hệ thống máy tính đang trở nên rất kém hiệu quả - đó là ngày nay không phải là hiếm để có được 10x sự tăng tốc, giảm kích thước 2x và giảm năng lượng 40% cho các thuật toán phổ biến (DNN, Blas, xử lý video) trên phần cứng mới nhất sử dụng cái gọi là tự dò thông số thuật toán khác nhau và trình biên dịch tối ưu. Tuy nhiên, quá trình này là vô cùng tốn do rất lớn thiết kế và tối ưu hóa không gian thời gian.

Với sự giúp đỡ của các nền tảng cTuning phi lợi nhuận, chúng tôi đã phát triển mã nguồn mở tập công nghệ này kiến ​​thức (CK) để cho phần cộng đồng khối lượng công việc, tập hợp dữ liệu, công cụ và quy trình công việc thử nghiệm trong một định dạng CK mở qua GitHub hoặc BitBucket, crowdsource thí nghiệm trên rất nhiều thiết bị được cung cấp bởi các tình nguyện viên, phân loại các giải pháp trên bay (học tập tích cực), áp dụng phân tích dự báo, trao đổi kiến ​​thức và tái sản xuất kết quả. kịch bản của chúng tôi hiện tại chia sẻ thử nghiệm bao gồm GCC và LLVM biên dịch cờ chỉnh, và chúng tôi có kế hoạch để thêm tự động điều chỉnh OpenCL / CUDA, kiểm tra khả năng mở rộng, phát hiện biên dịch lỗi và phân tích sự ổn định bằng số (xem báo cáo tương tác CK-based: http://cknowledge.org/ tương tác-báo cáo)! Ứng dụng này chỉ đơn giản là truy vấn bất kỳ máy chủ CK nào có sẵn, có được gói nghiệm đối với thiết bị của bạn (chẳng hạn như một tập tin nhị phân của một điểm chuẩn chung với tối ưu hóa khác nhau), chạy nó trên thiết bị di động của bạn với một số dữ liệu ngẫu nhiên thiết lập và gửi thống kê lại cho máy chủ CK được xử lý bằng học tập tích cực và phân tích.

sự tham gia của bạn hỗ trợ khoa học mở của chúng tôi và các sáng kiến ​​nghiên cứu tái sản xuất như Artifact đánh giá tại hội nghị khác nhau (chia sẻ công việc thử nghiệm với tất cả các hiện vật và kết quả cùng với các ấn phẩm một cách tái sản xuất và tái sử dụng được xác nhận bởi cộng đồng có liên quan):

* http://cTuning.org/ae

* http://adapt-workshop.org

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

Bạn có thể đọc thêm về tầm nhìn dài hạn của chúng tôi trong các ấn phẩm sau đây:

* 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

Chúng tôi muốn cảm ơn những người ủng hộ hiện tại của chúng tôi:

* Http://cTuning.org (tổ chức phi lợi nhuận)

* http://dividiti.com

Chúng tôi có nhiều ý tưởng mới và các dự án có thể dựa trên công nghệ này. Nếu bạn quan tâm để biết thêm chi tiết hoặc thậm chí tham gia vào các hoạt động của chúng tôi, tham gia tổ hợp học tập và công nghiệp đang phát triển của chúng tôi, tối ưu hóa hoặc chia sẻ khối lượng công việc thực tế của bạn, thực hiện các kịch bản nghiệm crowdsourcing mới, cung cấp các tài nguyên tính toán nhiều hơn, đừng ngần ngại liên lạc với tác giả (Grigori Fursin, http://fursin.net) hoặc thông qua danh sách thư công cộng của chúng tôi:

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

Cảm ơn bạn rất nhiều vì đã tham gia crowdsourcing thử nghiệm và tạo điều kiện cho khoa học mở!