Mar, 2024
大规模个体 fMRI 数据集中脑编码的岭回归扩展
Scaling up ridge regression for brain encoding in a massive individual fMRI dataset
Sana Ahmadi, Pierre Bellec, Tristan Glatard
TL;DR评估不同的并行化技术以减少在 CNeuroMod Friends 数据集上使用 ridge 回归进行脑编码的训练时间，结果显示 Intel Math Kernel Library 在单个机器上使用 32 个线程时比 OpenBLAS 库快 1.9 倍。使用 Dask 进行批处理并行化的 Batch-MultiOutput 回归在计算节点和线程上扩展得很好，在 8 个计算节点和 32 个线程相对于单线程的情况下加速了 33 倍，这种方法在高性能计算系统上使用 scikit-learn 和大型 fMRI 数据集进行脑编码具有可扩展性。