Zobrazeno 1 - 10
of 37
pro vyhledávání: '"Nellans, David"'
As GPUs scale their low precision matrix math throughput to boost deep learning (DL) performance, they upset the balance between math throughput and memory system capabilities. We demonstrate that converged GPU design trying to address diverging arch
Externí odkaz:
http://arxiv.org/abs/2104.02188
Autor:
Inci, Ahmet, Bolotin, Evgeny, Fu, Yaosheng, Dalal, Gal, Mannor, Shie, Nellans, David, Marculescu, Diana
With deep reinforcement learning (RL) methods achieving results that exceed human capabilities in games, robotics, and simulated environments, continued scaling of RL training is crucial to its deployment in solving complex real-world problems. Howev
Externí odkaz:
http://arxiv.org/abs/2012.04210
Autor:
Pal, Saptadeep, Ebrahimi, Eiman, Zulfiqar, Arslan, Fu, Yaosheng, Zhang, Victor, Migacz, Szymon, Nellans, David, Gupta, Puneet
Deploying deep learning (DL) models across multiple compute devices to train large and complex models continues to grow in importance because of the demand for faster and more frequent training. Data parallelism (DP) is the most widely used paralleli
Externí odkaz:
http://arxiv.org/abs/1907.13257
Autor:
Choukse, Esha, Sullivan, Michael, O'Connor, Mike, Erez, Mattan, Pool, Jeff, Nellans, David, Keckler, Steve
GPUs offer orders-of-magnitude higher memory bandwidth than traditional CPU-only systems. However, GPU device memory tends to be relatively small and the memory capacity can not be increased by the user. This paper describes Buddy Compression, a sche
Externí odkaz:
http://arxiv.org/abs/1903.02596
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Nellans, David
With the explosion of chip transistor counts, the semiconductor industry has struggled with ways to continue scaling computing performance in line with historical trends. In recent years, the de facto solution to utilize excess transistors has been t
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::ad32de0e84045261bd64e7cc5e233bc4
Autor:
Agarwal, Neha, Nellans, David, Ebrahimi, Eiman, Wenisch, Thomas F., Danskin, John, Keckler, Stephen W.
Publikováno v:
2016 IEEE International Symposium on High Performance Computer Architecture (HPCA); 2016, p494-506, 13p
Publikováno v:
2016 IEEE International Symposium on High Performance Computer Architecture (HPCA); 2016, p345-357, 13p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.