网站备案系统源码,个人建站免费服务器,天琥设计培训,织梦网站添加视频教程赛题名称#xff1a;Google - Fast or Slow? Predict AI Model Runtime
赛题链接#xff1a;https://www.kaggle.com/competitions/predict-ai-model-runtime
赛题背景
Alice 是一名 AI 模型开发人员#xff0c;但她的团队开发的一些模型运行速度非常慢。她最近发现了编… 赛题名称Google - Fast or Slow? Predict AI Model Runtime
赛题链接https://www.kaggle.com/competitions/predict-ai-model-runtime
赛题背景
Alice 是一名 AI 模型开发人员但她的团队开发的一些模型运行速度非常慢。她最近发现了编译器的配置这些配置改变了编译器编译和优化模型的方式从而使模型运行得更快或更慢。参赛者的任务是帮助 Alice 找到每个模型的最佳配置。
赛题方向
数据挖掘
赛题任务
根据训练数据集中提供给参赛者的运行时数据训练机器学习模型并进一步预测测试数据集中图形和配置的运行时。
数据描述
我们的数据集称为TpuGraphs,这是在XLA HLO图上运行在张量处理单元(TPUs) v3上的性能预测数据集。
总共有5个数据集集合:layout:xla:random、layout:xla:default、layout:nlp:random、layout:nlp:default和tile:xla。
最终得分将是所有数据集的平均值。要下载整个数据集并查看更多信息参赛者可以导航到数据选项卡。
基准模型
我们在https://github.com/google-research-datasets/tpu_graphs上提供了基准模型和训练设置。请参阅我们的数据集论文https://arxiv.org/abs/2308.13490了解基准模型的详细信息。
评价指标
根据实际需求我们使用两种评估指标并对其取平均。
具体来说对于数据集“tile:xla”我们使用top-K预测产生的“(1-slowdown)”来反映模型预测的top-K配置相对于实际最快配置的速度降低情况,计算如下: 其中 K 是top-K预测A 是数据集中给定图的所有配置y 是测量的执行时间。
对于 layout:* 数据集我们使用肯德尔秩相关系数(一种排名评估指标模型预测的配置排序与运行时间排序的实际对应程度)。
提交文件
参赛者的提交文件必须是一个带有标题ID、TopConfigs的csv文件。每个npz/**/test/*.npz文件请参阅数据在csv文件中必须有一行。 ID是{collection}:{test_filename_without_extension}其中collection是tile:xla、layout:xla:random、layout:xla:default、layout:nlp:random和layout:nlp:default之一。 TopConfigs应该根据参赛者的模型预测按照从最快运行时间最短到最慢运行时间最长的顺序用“;”分隔列出配置的索引。 对于集合tile:xla只有前5个条目将被考虑其余的将被忽略。 对于layout:*集合所有条目将被考虑 有关样本提交文件请从数据选项卡下载sample_submission.csv。
时间安排 2023年8月29日 - 开始日期。 2023年11月10日 - 报名截止日期。 2023年11月17日 - 最终提交截止日期。
赛题奖金 第一名 - 15,000美元 第二名 - 10,000美元 第三名 - 8,000美元 第四名 - 7,000美元 第五名 - 5,000美元 第六名 - 5,000美元
关注下方【学姐带你玩AI】
回复“比赛”获取190场比赛top方案kaggle、天池、ccf...
码字不易欢迎大家点赞评论收藏
