Crowdsourcing experiments

복잡한 연구 문제를 해결하기 위해 크라우드 소싱 실험에 참여!

이 응용 프로그램은 연구자 http://github.com/ctuning/ck에서 사용 가능한 오픈 소스 집단 지식 엔진을 사용하여 복잡한 문제를 해결하기 위해 실험 크라우드 소싱에 참여 할 수 있습니다. 당신은 http://cknowledge.org/repo 모든 공공 군중 결과를 볼 수 있습니다! 또한 https://github.com/ctuning/ck/wiki/Crowdsourcing-optimization에서 (노트북과 데이터 센터를 사용하여) 실험 크라우드 소싱에 참여하는 다른 방법을 확인할 수 있습니다. 마지막으로, 당신은 https://github.com/ctuning/crowdsource-experiments-using-android-devices에서이 안드로이드 응용 프로그램의 오픈 소스를 얻을 수 있습니다. http://cTuning.org이 개발은 비영리 cTuning 재단에 의해 조정된다. , http://cTuning.org/reproducibility-wiki에서 열린 과학에 대한 우리의 이니셔티브를 확인하시기 바랍니다.

우리는 신속하게 우리 자신의 연구를위한 전산 자원의 부족과 다양한 워크로드 / 데이터 세트 / 하드웨어에 어려움을 겪고있다, 10 년 이상에 대한 더 작고 전력 효율이 신뢰할 수있는 자체 조정 소프트웨어 및 하드웨어! 실제로, 컴퓨터 시스템은 비효율적이되고있다 -이 2 배 크기 감소 및 다양한 알고리즘 파라미터 소위 튜닝을 이용하여 최신의 하드웨어 인기 알고리즘 (DNN, BLAS, 비디오 처리부) 40 %의 에너지 절감 배 속도 향상을 얻는 것이 요즘 드물지 않다 그리고 컴파일러 최적화. 그러나,이 프로세스는 매우 큰 인해 설계 및 최적화 공간 소모 매우 시간이다.

비영리 cTuning 재단의 도움으로, 우리는에서 실험을 크라우드 소싱, GitHub의 또는의 bitbucket를 통해 오픈 CK 형식의 커뮤니티 공유 워크로드, 데이터 세트, 도구 및 실험 워크 플로우를하자이 오픈 소스 집단 지식 기술 (CK)을 개발 한 자원 봉사자들에 의해 제공되는 다양한 장치, 비행 (활성 학습)에 대한 솔루션을 분류, 예측 분석, 교환 지식을 적용하고 결과를 재현. 우리의 현재 공유 실험 GCC와 LLVM 컴파일러 플래그 튜닝을 포함한 시나리오, 우리는 자동 오픈 CL / CUDA 튜닝, 확장 성 테스트, 컴파일러의 버그가 검출 수치 안정성 분석 (CK 기반의 대화 형 보고서를보고 추가 할 계획 : http://cknowledge.org/ 대화 형-보고서)! 이 응용 프로그램은 단순히 설정 어떤 임의의 데이터를 모바일 장치에서 실행되도록 CK 서버에 다시 통계를 보내, 사용 가능한 공개 CK 서버에 쿼리 (예 : 다른 최적화와 공유 벤치 마크 여러 바이너리로) 장치에 대한 실험 팩을 가져옵니다 적극적인 학습 및 예측 분석을 사용하여 처리.

당신의 참여는 오픈 과학 및 각종 회의 (모든 관련 유물과 재현성 및 재사용 방법 출판물 사회에 의해 검증 될 수와 함께 결과 실험 워크 플로우를 공유)에서 아티팩트 평가로 재현 연구 활동을 지원합니다 :

* http://cTuning.org/ae

* http://adapt-workshop.org

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

다음과 같은 출판물에서 우리의 장기적인 비전에 대한 자세한 내용을보실 수 있습니다 :

* 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

우리는 우리의 현재의 지지자들에게 감사의 말씀 :

* http://cTuning.org (비영리 재단)

* http://dividiti.com

우리는 많은 새로운 아이디어와이 기술을 기반으로 가능한 프로젝트가 있습니다. 좀 더 알고, 심지어 우리의 활동에 참여할 관심이 있다면, 우리의 성장 학문과 산업 컨소시엄에 참여 최적화하거나 실제 워크로드를 공유하고, 새로운 실험 크라우드 소싱 시나리오를 구현, 더 많은 컴퓨팅 자원을 제공, 저자와 연락하는 것을 망설이지 말라 (그리고 리 Fursin, http://fursin.net) 또는 우리의 공개 메일 링리스트를 통해 :

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

실험 크라우드 소싱에 참여하는 열린 과학을 가능하게하기위한 대단히 감사합니다!