通过多核 CPU 上的高效并行化加速 Barnes-Hut t-SNE 算法
机器学习
2022-12-23 v1 人工智能
分布式、并行与集群计算
摘要
t-SNE 仍是最受欢迎的用于可视化高维数据的嵌入技术之一。大多数标准 t-SNE 包（如 scikit-learn）对大型数据集使用 Barnes-Hut t-SNE（BH t-SNE）算法。然而，该算法的现有 CPU 实现效率低下。在本工作中，我们通过缓存优化、SIMD、将顺序步骤并行化以及改进多线程步骤的并行化，在 CPU 上加速 BH t-SNE。我们的实现（Acc-t-SNE）在 32 核 Intel(R) Icelake 云实例上分别比 scikit-learn 与 daal4py 中的当前最优 BH t-SNE 实现快达 261 倍和 4 倍。
引用
@article{arxiv.2212.11506,
title = {Accelerating Barnes-Hut t-SNE Algorithm by Efficient Parallelization on Multi-Core CPUs},
author = {Narendra Chaudhary and Alexander Pivovar and Pavel Yakovlev and Andrey Gorshkov and Sanchit Misra},
journal= {arXiv preprint arXiv:2212.11506},
year = {2022}
}