Crowdsourcing experiments

Participer à l'expérience crowdsourcing pour aider à résoudre des problèmes de recherche complexes!

Cette application vous permet de participer à l'expérience crowdsourcing pour aider les chercheurs à résoudre des problèmes complexes en utilisant open-source du moteur de savoirs collectifs disponibles à http://github.com/ctuning/ck. Vous pouvez voir tous les résultats de la foule publiques à http://cknowledge.org/repo! Vous pouvez également consulter d'autres façons de participer à l'expérience crowdsourcing (en utilisant les ordinateurs portables et les centres de données) à https://github.com/ctuning/ck/wiki/Crowdsourcing-optimization. Enfin, vous pouvez obtenir des sources ouvertes de cette application Android à https://github.com/ctuning/crowdsource-experiments-using-android-devices. Ce développement est coordonné par la fondation cTuning sans but lucratif: http://cTuning.org. S'il vous plaît, consultez nos autres initiatives pour la science ouverte au http://cTuning.org/reproducibility-wiki.

Nous avons été aux prises avec un manque de ressources de calcul et de diverses charges de travail / ensembles de données / matériel pour notre propre recherche pour rendre plus rapide, plus petit, plus de puissance efficace logiciel d'auto-tuning fiable et matériel pour plus d'une décennie! En effet, les systèmes informatiques sont de plus très inefficace - il est aujourd'hui pas rare d'obtenir 10x speedups, 2x réduction de la taille et de 40% de réduction de l'énergie pour les algorithmes populaires (DNN, BLAS, traitement vidéo) sur le dernier matériel en utilisant ce qu'on appelle autotuning de divers paramètres de l'algorithme et optimisations du compilateur. Cependant, ce processus prend énormément de temps en raison de très grands espaces de conception et d'optimisation.

Avec l'aide de la fondation cTuning sans but lucratif, nous avons développé cette technologie open source collective de connaissances (CK) pour laisser la charge de travail de la part de la communauté, des ensembles de données, des outils et des flux de travail expérimentaux dans un format ouvert CK via GitHub ou BitBucket, crowdsource expériences à travers de nombreux dispositifs fournis par des bénévoles, classent les solutions à la volée (apprentissage actif), appliquer l'analyse prédictive, l'échange de connaissances et de reproduire les résultats. Nos scénarios actuels partagés expérimentaux, y compris GCC et LLVM compilateur drapeau tuning, et nous prévoyons d'ajouter automatiquement le réglage OpenCL / CUDA, tests d'évolutivité, la détection de bug du compilateur et de l'analyse de la stabilité numérique (voir le rapport interactif CK-: http://cknowledge.org/ interactive-rapport)! Cette application interroge simplement un serveur CK publics disponibles, obtient le pack expérimental pour votre appareil (comme plusieurs binaires d'un benchmark partagé avec différentes optimisations), fonctionne sur votre appareil mobile avec l'ensemble des données aléatoires et envoyer des statistiques retour au serveur CK être traitées en utilisant l'apprentissage actif et l'analyse prédictive.

Votre participation soutient notre science ouverte et des initiatives de recherche reproductibles tels que l'évaluation Artefact à diverses conférences (partage de flux de travail expérimentaux avec tous les artefacts et les résultats ainsi que les publications de façon reproductible et réutilisable pour être validées par la communauté liés):

* http://cTuning.org/ae

* http://adapt-workshop.org

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

Vous pouvez en savoir plus sur notre vision à long terme dans les publications suivantes:

* 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

Nous tenons à remercier nos supporters actuels:

* Http://cTuning.org (fondation sans but lucratif)

* http://dividiti.com

Nous avons beaucoup de nouvelles idées et de projets possibles basés sur cette technologie. Si vous êtes intéressé pour en savoir plus ou même participer à nos activités, rejoindre notre consortium universitaire et industriel en pleine croissance, optimiser ou partager vos charges de travail réalistes, mettre en œuvre de nouveaux scénarios expérience de crowdsourcing, fournir davantage de ressources de calcul, ne pas hésiter à entrer en contact avec l'auteur (Grigory Fursin, http://fursin.net) ou via notre liste de diffusion publique:

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

Je vous remercie d'avoir participé à l'expérience crowdsourcing et permettant la science ouverte!