Crowdsourcing experiments

Partecipare a esperimento crowdsourcing per aiutare a risolvere problemi di ricerca complessi!

Questa applicazione consente di partecipare a esperimenti di crowdsourcing per aiutare i ricercatori a risolvere problemi complessi con open-source collettiva Conoscenza del motore disponibile al http://github.com/ctuning/ck. È possibile vedere tutti i risultati folla pubbliche a http://cknowledge.org/repo! È inoltre possibile controllare altri modi per partecipare esperimento di crowdsourcing (utilizzando computer portatili e data center) a https://github.com/ctuning/ck/wiki/Crowdsourcing-optimization. Infine, è possibile ottenere fonti aperte di questa applicazione Android a https://github.com/ctuning/crowdsource-experiments-using-android-devices. Questo sviluppo è coordinato dal non-profit cTuning fondazione: http://cTuning.org. Si prega, controllare le nostre altre iniziative per la scienza aperta a http://cTuning.org/reproducibility-wiki.

Siamo stati alle prese con la mancanza di risorse di calcolo e diversi carichi di lavoro / set di dati / hardware per la nostra ricerca per rendere più veloce, più piccolo, più efficiente di energia affidabile software di self-tuning e hardware per più di un decennio! In effetti, i sistemi informatici stanno diventando molto inefficiente - è al giorno d'oggi non è raro per ottenere 10x incrementi nella velocità, 2x riduzione delle dimensioni e la riduzione del 40% di energia per gli algoritmi popolari (DNN, Blas, elaborazione video) su hardware più recente utilizzando cosiddetto autotuning dei vari parametri dell'algoritmo e ottimizzazioni del compilatore. Tuttavia, questo processo è estremamente tempo dovute a molto grandi spazi di progettazione e di ottimizzazione.

Con l'aiuto del cTuning fondazione senza scopo di lucro, abbiamo sviluppato questo open source della tecnologia conoscenza collettiva (CK) per lasciare che i carichi di lavoro di condivisione della comunità, set di dati, strumenti e flussi di lavoro sperimentali in un formato CK aperto via GitHub o BitBucket, crowdsourcing esperimenti attraverso numerosi dispositivi forniti da volontari, classificano le soluzioni al volo (apprendimento attivo), applicare l'analisi predittiva, scambio di conoscenze e di riprodurre i risultati. I nostri attuali scenari sperimentali condivisi tra cui GCC e LLVM sintonizzazione compilatore bandiera, e abbiamo intenzione di aggiungere la sintonizzazione automatica OpenCL / CUDA, test di scalabilità, rilevamento compilatore bug e analisi di stabilità numerica (vedere il rapporto interattivo CK-based: http://cknowledge.org/ interattivo-relazione)! Questa applicazione interroga semplicemente qualsiasi server CK pubblico disponibile, ottiene pacchetto sperimentale per il dispositivo (come ad esempio diversi binari di un punto di riferimento condiviso con diverse ottimizzazioni), corre sul vostro dispositivo mobile con alcuni dati casuali set e inviare le statistiche di nuovo al server CK ad essere trattati con un apprendimento attivo e analisi predittiva.

La vostra partecipazione sostiene la nostra scienza aperta e iniziative di ricerca riproducibili, come Artifact di valutazione in diversi convegni (la condivisione di flussi di lavoro sperimentali con tutti gli artefatti ed i risultati insieme a pubblicazioni in modo riproducibile e riutilizzabile per essere validati dalla comunità correlati):

* http://cTuning.org/ae

* http://adapt-workshop.org

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

Si può leggere di più circa la nostra visione a lungo termine nelle seguenti pubblicazioni:

* 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

Vorremmo ringraziare i nostri sostenitori attuali:

* Http://cTuning.org (fondazione senza scopo di lucro)

* http://dividiti.com

Abbiamo molte nuove idee e possibili progetti basati su questa tecnologia. Se siete interessati a saperne di più o anche partecipare alle nostre attività, iscriviti alla nostra crescente consorzio accademico e industriale, ottimizzare o condividere i carichi di lavoro realistici, implementare nuovi scenari esperimento di crowdsourcing, fornire maggiori risorse computazionali, non esitare a mettersi in contatto con l'autore (Grigori Fursin, http://fursin.net) o tramite la nostra mailing list pubblica:

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

Grazie mille per aver partecipato a esperimenti crowdsourcing e consentendo scienza aperta!