Investigação de técnicas de otimização para algoritmos de aprendizado de máquina
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | http://hdl.handle.net/11449/236075 |
Resumo: | Tendo em vista as inovações tecnológicas da última década, este trabalho busca, por meio de técnicas como vetorização utilizando AVX-512 e arcabouços computacionais para arquiteturas paralelas como o Galois, modificar algoritmos de aprendizado de máquina baseados em grafos, neste caso em particular, o OPF (Optimum-Path Forest) com a finalidade de melhorar o seu tempo de execução. Resultados apresentam ganhos significativos com o uso da tecnologia AVX-512, particularmente nas configurações com 1 thread de até 26,84% se comparado a versão com uso de AVX2 e 112,83% se comparado a versão não vetorizada. Quanto ao Galois, fora realizado um estudo inicial que avaliou o desempenho do MST (Minimum Spanning Tree) e os resultados preliminares apontam um speedup de até 6x com o dataset Epinions. No futuro, espera-se complementar a implementação do Galois para outros algoritmos de grafos baseados no OPF. |
id |
UNSP_c859c6d13c12c83ae39121303898bd8d |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/236075 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Investigação de técnicas de otimização para algoritmos de aprendizado de máquinaInvestigation of optimization techniques for machine learning algorithmsComputação de alto desempenhoRedes neuraisInformáticaHigh-performance computingNeural networksComputingTendo em vista as inovações tecnológicas da última década, este trabalho busca, por meio de técnicas como vetorização utilizando AVX-512 e arcabouços computacionais para arquiteturas paralelas como o Galois, modificar algoritmos de aprendizado de máquina baseados em grafos, neste caso em particular, o OPF (Optimum-Path Forest) com a finalidade de melhorar o seu tempo de execução. Resultados apresentam ganhos significativos com o uso da tecnologia AVX-512, particularmente nas configurações com 1 thread de até 26,84% se comparado a versão com uso de AVX2 e 112,83% se comparado a versão não vetorizada. Quanto ao Galois, fora realizado um estudo inicial que avaliou o desempenho do MST (Minimum Spanning Tree) e os resultados preliminares apontam um speedup de até 6x com o dataset Epinions. No futuro, espera-se complementar a implementação do Galois para outros algoritmos de grafos baseados no OPF.In view of the technological innovations of the last decade, this work seeks, through techniques such as vectorization using AVX-512 and computational frameworks for parallel architectures such as Galois, to modify graph-based machine learning algorithms, in this particular case, the OPF (Optimum-Path Forest) in order to improve its execution time. Results show significant gains with the use of AVX-512 technology, particularly in configurations with 1 thread up to 26.84% compared to the version using AVX2 and 112.83% compared to the non-vectored version. As for Galois, an initial study was carried out that evaluated the performance of the MST (Minimum Spanning Tree) and the preliminary results point to a speedup of up to 6x with the Epinions dataset. In the future, it is expected to complement the Galois implementation for other OPF-based graph algorithms.Não recebi financiamentoUniversidade Estadual Paulista (Unesp)Papa, João Paulo [UNESP]Baldassin, Alexandro José [UNESP]Universidade Estadual Paulista (Unesp)Ferraz, André Libório de Barros2022-08-10T11:20:24Z2022-08-10T11:20:24Z2022-08-02info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttp://hdl.handle.net/11449/236075porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2023-10-10T06:09:07Zoai:repositorio.unesp.br:11449/236075Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T14:33:44.928634Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Investigação de técnicas de otimização para algoritmos de aprendizado de máquina Investigation of optimization techniques for machine learning algorithms |
title |
Investigação de técnicas de otimização para algoritmos de aprendizado de máquina |
spellingShingle |
Investigação de técnicas de otimização para algoritmos de aprendizado de máquina Ferraz, André Libório de Barros Computação de alto desempenho Redes neurais Informática High-performance computing Neural networks Computing |
title_short |
Investigação de técnicas de otimização para algoritmos de aprendizado de máquina |
title_full |
Investigação de técnicas de otimização para algoritmos de aprendizado de máquina |
title_fullStr |
Investigação de técnicas de otimização para algoritmos de aprendizado de máquina |
title_full_unstemmed |
Investigação de técnicas de otimização para algoritmos de aprendizado de máquina |
title_sort |
Investigação de técnicas de otimização para algoritmos de aprendizado de máquina |
author |
Ferraz, André Libório de Barros |
author_facet |
Ferraz, André Libório de Barros |
author_role |
author |
dc.contributor.none.fl_str_mv |
Papa, João Paulo [UNESP] Baldassin, Alexandro José [UNESP] Universidade Estadual Paulista (Unesp) |
dc.contributor.author.fl_str_mv |
Ferraz, André Libório de Barros |
dc.subject.por.fl_str_mv |
Computação de alto desempenho Redes neurais Informática High-performance computing Neural networks Computing |
topic |
Computação de alto desempenho Redes neurais Informática High-performance computing Neural networks Computing |
description |
Tendo em vista as inovações tecnológicas da última década, este trabalho busca, por meio de técnicas como vetorização utilizando AVX-512 e arcabouços computacionais para arquiteturas paralelas como o Galois, modificar algoritmos de aprendizado de máquina baseados em grafos, neste caso em particular, o OPF (Optimum-Path Forest) com a finalidade de melhorar o seu tempo de execução. Resultados apresentam ganhos significativos com o uso da tecnologia AVX-512, particularmente nas configurações com 1 thread de até 26,84% se comparado a versão com uso de AVX2 e 112,83% se comparado a versão não vetorizada. Quanto ao Galois, fora realizado um estudo inicial que avaliou o desempenho do MST (Minimum Spanning Tree) e os resultados preliminares apontam um speedup de até 6x com o dataset Epinions. No futuro, espera-se complementar a implementação do Galois para outros algoritmos de grafos baseados no OPF. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-08-10T11:20:24Z 2022-08-10T11:20:24Z 2022-08-02 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/11449/236075 |
url |
http://hdl.handle.net/11449/236075 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
Repositório Institucional da UNESP |
collection |
Repositório Institucional da UNESP |
repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
|
_version_ |
1808128378479312896 |