MMApr, 2024

TF2AIF：在云边界连续上加速 AI 模型的开发和部署

PDF
TL;DR通过创建多个高级语言版本的某个 AI 函数输入，以适应多种不同的硬软件平台，TF2AIF 填补了当前生态系统中的一个空白，并通过要求用户最少的时间或专业知识，促进资源管理或自动化操作的研究。
b5g/6g evolutionconnect-compute technologieshw acceleratorstf2aifresource management
发现论文，激发创造
  • 云服务使异构资源上高效的 AI 引导仿真工作流程成为可能

    使用多种计算资源，如高度并行的超级计算机和专用加速器，部署基于 AI 的模拟工作流非常有利，其中，云托管管理服务的使用可以简化跨资源身份验证和授权，功能即服务（FaaS）函数调用和数据传输等方面的管理，我们的研究表明使用云托管管理服务可以实现与直接连接资源使用情况相当的性能优化。

    Mar, 2023

  • 异构受限计算中的边缘 AI 推断：可行性与机遇

    网络边缘在人工智能（AI）推理处理中的作用正在快速扩大，驱动力是众多寻求计算优势的应用程序。

    Oct, 2023

  • 基于基石模型的 6G 原生 AI 框架与云边端协作

    通过基于基础模型的六代移动通信系统本地人工智能框架，在任务导向连接方面实现智能且沉浸式的体验，重新定义设备和服务器之间的协作模式，构建本地智能库，并提出了一种定制化方法和一种基于任务的人工智能工具包的建构，同时提出了一种新颖的云边缘协同模式。

    Oct, 2023

  • SAIH: 高性能计算系统中理解 AI 性能趋势的可扩展评估方法

    提出了一种可扩展的评估方法（SAIH），用于分析精通于高性能计算系统上的人工智能性能趋势，通过扩大自定义应用程序的问题规模进行评估，从而进一步诊断系统瓶颈。

    Dec, 2022

  • 人工智能、量子和高性能计算的基础设施

    本文主要探讨了高性能计算、人工智能 / 机器学习和量子计算以及通信对于计算机科学研究领域的创新和影响，并指出在支持计算机科学研究方面需要更全面的计算基础设施，包括商业云计算和量子计算等新的计算方法。

    Dec, 2020

  • AI-coupled HPC 工作流程

    通过将人工智能 / 机器学习模型集成到传统超级计算机工作流中，这篇论文讨论了提高科学性能的多种方式和生产级用例，并介绍了解决极限规模 AI 结合 HPC 活动的主要挑战和几种框架和中间件方案。

    Aug, 2022

  • Chat AI：一个无缝的 Slurm 原生解决方案，用于基于 HPC 的服务

    提供一种基于云端虚拟机的网络服务架构，与高性能计算系统相结合，通过 Slurm 集群实现运行大规模语言模型，提供一种安全、私密的可替代商业大规模语言模型服务的解决方案。

    Jun, 2024

  • TensorFlow：异构分布式系统上的大规模机器学习

    TensorFlow 是一个机器学习算法接口和执行工具，支持许多异构系统的执行，可应用于包括语音识别、计算机视觉、自然语言处理、获得地理信息和药物开发在内的多个领域，并提供 API 和参考实现的开源包。

    Mar, 2016

  • 用基于 FPGA 的智能网卡实现分布式 AI 训练系统的可扩展性

    通过使用基于 FPGA 的 AI 智能网卡加速所有约减操作并通过数据压缩优化网络带宽利用率，该论文提出了一种新的分布式 AI 培训系统，为计算密集型张量操作释放了系统的计算资源，并提高了节点间通信效率。在验证分析模型的同时，该方法可将培训性能提高 1.6 倍至 6 个节点，而在 32 个节点时可能有 2.5 倍的性能提升。

    Apr, 2022

  • 可扩展、分布式 AI 框架：利用云计算提高深度学习性能和效率

    本文全面研究了利用云计算的可扩展和分布式人工智能框架以提高深度学习性能和效率的关键方面，包括数据存储和管理、优化策略、模型部署与服务等，并讨论了云计算人工智能的挑战、限制和未来研究方向。

    Apr, 2023