Crowdsourcing experiments

参与实验众包，以帮助解决复杂的研究问题！

此应用程序可以让你参加实验众包帮助研究人员解决使用提供http://github.com/ctuning/ck开源的集体知识引擎复杂的问题。你可以看到所有公开的人群在结果http://cknowledge.org/repo！您还可以看看其他的方式参与实验众包（使用笔记本电脑和数据中心）的https://github.com/ctuning/ck/wiki/Crowdsourcing-optimization。最后，你可以在https://github.com/ctuning/crowdsource-experiments-using-android-devices得到这个Android应用程序的开放式源。 http://cTuning.org：这个发展是由非营利cTuning基础相协调。请看看我们的开放科学等举措在http://cTuning.org/reproducibility-wiki。

我们一直在与缺乏计算资源和不同工作负载/数据集/硬件我们自己的研究努力使更快，更小，更节能可靠的自我调整软件和硬件十年以上！的确，计算机系统正变得非常低效 - 它是当今并不少见，得到10倍的加速，2倍尺寸的减小和对最新的硬件流行算法（DNN，BLAS，视频处理）使用各种算法参数的所谓自调节40％的能量减少和编译器优化。然而，这种方法是极其耗时由于非常大的设计和优化空间时间。

随着非营利cTuning基金会的帮助下，我们开发了这个开源的集体知识技术（CK），以让社会共享的工作负载，数据集，工具和实验工作流程中通过GitHub上或到位桶开放CK格式，跨越众包实验由志愿者提供了大量的设备，分类动态（主动学习）解决方案，适用于预测分析，交流知识和繁殖的结果。我们目前的共享实验场景，包括GCC和LLVM编译器标志调整，我们计划增加自动的OpenCL / CUDA优化，可扩展性测试，编译器错误检测和数值稳定性分析（见基于CK-交互式报表：http://cknowledge.org/交互式报告）！此应用程序只需查询任何可用的公共CK服务器，获得实验组为您的设备（如使用不同的优化共享的基准数的二进制文件），用一些随机数据集运行时，它在移动设备上发送数据回CK服务器成为采用主动学习和预测分析处理。

您的参与支持我们的开放的科学，如神器评估在各种会议（分享与所有有关的文物和可重复和可重复使用的方式出版物由社区来验证结果以及实验工作流程）可重复的研​​究举措：

* http://cTuning.org/ae

* http://adapt-workshop.org

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

你可以阅读更多有关我们在以下出版物长远的眼光：

* 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

我们要感谢我们的支持者电流：

* http://cTuning.org（非盈利机构）

* http://dividiti.com

我们有很多新的想法，并基于该技术可能的项目。如果你有兴趣了解更多，甚至参加我们的活动，加入我们不断增长的学术和工业财团，优化或分享您合理的工作量，实现新的实验众包方案，提供更多的计算资源，不要犹豫取得联系与作者（格里戈里Fursin，http://fursin.net）或通过我们的公共邮件列表：

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

非常感谢您参与实验众包，使开放科学！