原创投稿 行业报告 AI展会 数据标注
投稿发布
您的当前位置:首页 > 下载中心 > 商业数据 > 正文

GPU内核性能数据集

发布:可思数据 时间:2020-06-20
数据类型:文本语料 热度

文件类型:.zip              文件大小:15 MB

授权方式:公共开源     发布时间:2020-06-20

数据来源:Rupal Shrivastava             数据语言:英文

数据介绍:

GPU内核性能数据集

通过实现梯度体面算法进行线性和逻辑回归

在数据集上实施线性回归模型以预测GPU运行时间。使用四次运行的平均值作为目标变量。不允许您使用回归模型的任何可用实现。您应该通过批量更新实现梯度下降算法(一次使用所有训练示例)。使用通过2 *样本数归一化的误差平方和[J(β0,β1)=(1 / 2m)[Σ(yᶺ(i)– y(i))2])作为成本和误差度量,其中m是样本数。您应该使用所有14个功能。

还要实现第4部分中所述的逻辑回归模型。同样,您不允许使用任何可用的逻辑回归模型实现。您应该通过批量更新实现梯度下降算法(一次使用所有训练示例)。您应该使用该类中的逻辑回归成本/误差函数。此外,您还可以使用准确性/ ROC /等。

任务:
*第1部分:*下载数据集,并使用良好的训练/测试拆分百分比将其随机分为训练和测试集。
第2部分:设计线性回归模型以对平均GPU运行时间建模。在报告中包括您的回归模型方程式。
第3部分:使用批处理更新规则实现梯度下降算法。使用与该类相同的成本函数(平方误差之和)。报告您的初始参数值。
第4部分:将此问题转换为二进制分类问题。目标变量应具有两个类别。进行逻辑回归以对该数据集进行分类。报告训练和测试集的准确性/错误度量。

实验:
* 1。*使用线性和逻辑回归的各种参数进行实验(例如,学习率and),并根据变化的参数对训练和测试集的误差/准确性如何变化报告您的发现。绘制结果。报告参数的最佳值。
2.对线性和逻辑回归的收敛阈值进行各种试验。绘制训练和测试集的误差结果作为阈值的函数,并描述改变阈值如何影响误差。选择最佳阈值,并绘制与梯度下降迭代次数有关的函数图和测试误差(在一个图中)。
3。随机选择八个功能,仅在这十个功能上重新训练模型。在使用原始特征集(14)和八个随机特征的情况下,比较训练和测试错误结果。报告十个随机选择的功能。
4.现在,选择八个您认为最适合预测输出的特征,并使用这十个特征重新训练模型。与使用原始功能集的情况和随机功能的情况进行比较。您选择的功能是否比随机选择功能提供更好的结果?为什么?您选择的功能是否比使用所有功能提供更好的结果?为什么?

资源:

Enrique G.Paredes(egparedes'@'ifi.uzh.ch)。苏黎世大学信息学系可视化和多媒体实验室。苏黎世,8050年。瑞士
Rafael Ballester-Ripoll(rballester'@'ifi.uzh.ch)。苏黎世大学信息学系可视化和多媒体实验室。苏黎世,8050。瑞士

引文:

如果您使用此数据集,请引用以下一项或两项:

  • 拉斐尔·巴莱斯特·里波尔(Rafael Ballester-Ripoll),恩里克·帕雷德斯(Enrique G.
    Sobol Tensor火车用于全球敏感性分析。
    在arXiv计算机科学/数值分析电子版中,2017年

  • 塞德里克·纳格特伦(Cedric Nugteren)和瓦勒留(Valeriu Codreanu)
    CLTune:用于OpenCL内核的通用自动调谐器。
    在:MCSoC:第9届嵌入式多核/多核片上系统国际研讨会。IEEE,2015年

下载地址:

特别声明:

¤ 此数据集库仅供研究和教育用途,不得用于任何商业用途。
¤ 如果您在任何出版物或报告中使用该数据库,则必须添加引用本站来源。
¤ 版权归作者及所在组织所有。
¤ 如用于商业用途,请联系版权所有人。
¤ 本站数据来源于网络如有侵权请联系我们。
¤ 本站数据压缩包统一解压密码:www.sykv.com
人工智能权威社区
人工智能交流群扫码邀请

相关文章:

    无相关信息

相关推荐:

网友评论:

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表

数据标注服务

Copyright©2005-2020 Sykv.com 可思数据 版权所有    京ICP备14056871号

关于我们   免责声明   广告合作   版权声明   联系我们   原创投稿   网站地图  

可思数据 数据标注行业联盟

人工智能资讯   人工智能资讯   人工智能资讯   人工智能资讯

扫码入群
咨询反馈
扫码关注

微信公众号

返回顶部
关闭