MLCommons CloudMask 基准测试的改进与评估
分布式、并行与集群计算
2024-03-08 v1 机器学习
摘要
本文报告了在纽约大学 (NYU) 的高性能计算集群 NYU Greene 上，深度学习模型在 MLCommons 科学云掩膜基准测试上的性能基准测试结果。MLCommons 是一个联盟，致力于开发和维护多个可从人工智能发展中受益的科学基准测试。我们描述了云掩膜基准测试任务，提供了更新的代码，以及在所选超参数设置下用于该基准测试的最佳模型。我们的基准测试结果包括在 NYU 系统上达到的最高准确率，以及在多次运行/随机种子下该基准测试训练与推理的平均耗时。我们的代码可在 GitHub 上获取。我们已持续向 MLCommons 团队同步进展，他们可能会将所开发的代码用于未来的工作。
引用
@article{arxiv.2403.04553,
title = {Improvements & Evaluations on the MLCommons CloudMask Benchmark},
author = {Varshitha Chennamsetti and Laiba Mehnaz and Dan Zhao and Banani Ghosh and Sergey V. Samsonau},
journal= {arXiv preprint arXiv:2403.04553},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2401.08636