Copertina

Improve Machine Learning carbon footprint using Nvidia GPU and Mixed Precision training for classification models -- Part I

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autore principale:	Antonopoulos, Andrew
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Improve Machine Learning carbon footprint using Parquet dataset format and Mixed Precision training for regression models -- Part II
di: Antonopoulos, Andrew
Pubblicazione: (2024)

Improving training time and GPU utilization in geo-distributed language model training
di: Palak, et al.
Pubblicazione: (2024)

JExplore: Design Space Exploration Tool for Nvidia Jetson Boards
di: Kutukcu, Basar, et al.
Pubblicazione: (2025)

CASS: Nvidia to AMD Transpilation with Data, Models, and Benchmark
di: Heakl, Ahmed, et al.
Pubblicazione: (2025)

Explainable automatic industrial carbon footprint estimation from bank transaction classification using natural language processing
di: González-González, Jaime, et al.
Pubblicazione: (2024)

Imputation using training labels and classification via label imputation
di: Nguyen, Thu, et al.
Pubblicazione: (2023)

Analysis of Diagnostics (Part I): Prevalence, Uncertainty Quantification, and Machine Learning
di: Patrone, Paul N., et al.
Pubblicazione: (2023)

Operator Learning at Machine Precision
di: Bacho, Aras, et al.
Pubblicazione: (2025)

Mixed-Precision Federated Learning via Multi-Precision Over-The-Air Aggregation
di: Yuan, Jinsheng, et al.
Pubblicazione: (2024)

Real-time classification of EEG signals using Machine Learning deployment
di: Chowdhuri, Swati, et al.
Pubblicazione: (2024)

Evaluating ROCKET and Catch22 features for calf behaviour classification from accelerometer data using Machine Learning models
di: Dissanayake, Oshana, et al.
Pubblicazione: (2024)

DG-RePlAce: A Dataflow-Driven GPU-Accelerated Analytical Global Placement Framework for Machine Learning Accelerators
di: Kahng, Andrew B., et al.
Pubblicazione: (2024)

Machine Learning and statistical classification of CRISPR-Cas12a diagnostic assays
di: Khosla, Nathan, et al.
Pubblicazione: (2025)

MPX: Mixed Precision Training for JAX
di: Gräfe, Alexander, et al.
Pubblicazione: (2025)

OMPQ: Orthogonal Mixed Precision Quantization
di: Ma, Yuexiao, et al.
Pubblicazione: (2021)

Machine Learning Algorithms for Improving Exact Classical Solvers in Mixed Integer Continuous Optimization
di: Kimiaei, Morteza, et al.
Pubblicazione: (2025)

Mixed-Precision Conjugate Gradient Solvers with RL-Driven Precision Tuning
di: Chen, Xinye
Pubblicazione: (2025)

Self-Improving Pretraining: using post-trained models to pretrain better models
di: Tan, Ellen Xiaoqing, et al.
Pubblicazione: (2026)

A GPU-Accelerated Bi-linear ADMM Algorithm for Distributed Sparse Machine Learning
di: Olama, Alireza, et al.
Pubblicazione: (2024)

Learning using granularity statistical invariants for classification
di: Zhu, Ting-Ting, et al.
Pubblicazione: (2024)

Analytical results for uncertainty propagation through trained machine learning regression models
di: Thompson, Andrew
Pubblicazione: (2024)

Flexible Mixed Precision Quantization for Learned Image Compression
di: Hossain, Md Adnan Faisal, et al.
Pubblicazione: (2025)

Region-wise stacking ensembles for estimating brain-age using MRI
di: Antonopoulos, Georgios, et al.
Pubblicazione: (2025)

Physics-Informed Machine Learning for Transformer Condition Monitoring -- Part I: Basic Concepts, Neural Networks, and Variants
di: Aizpurua, Jose I.
Pubblicazione: (2025)

A metrological framework for uncertainty evaluation in machine learning classification models
di: Bilson, Samuel, et al.
Pubblicazione: (2025)

More Expressive Feedforward Layers: Part I. Token-Adaptive Mixing of Activations
di: Wang, Mingze, et al.
Pubblicazione: (2026)

Efficient Mixed Precision Quantization in Graph Neural Networks
di: Moustafa, Samir, et al.
Pubblicazione: (2025)

AMED: Automatic Mixed-Precision Quantization for Edge Devices
di: Kimhi, Moshe, et al.
Pubblicazione: (2022)

Enhancing Trustworthiness with Mixed Precision: Benchmarks, Opportunities, and Challenges
di: Lu, Guanxi, et al.
Pubblicazione: (2025)

MoPEQ: Mixture of Mixed Precision Quantized Experts
di: Chitty-Venkata, Krishna Teja, et al.
Pubblicazione: (2025)

Benchmarking and Dissecting the Nvidia Hopper GPU Architecture
di: Luo, Weile, et al.
Pubblicazione: (2024)

Building surrogate models using trajectories of agents trained by Reinforcement Learning
di: Cestero, Julen, et al.
Pubblicazione: (2025)

Why pre-training is beneficial for downstream classification tasks?
di: Jiang, Xin, et al.
Pubblicazione: (2024)

Precision Adaptive Imputation Network : An Unified Technique for Mixed Datasets
di: Joshi, Harsh, et al.
Pubblicazione: (2025)

Causal Discovery with Mixed Latent Confounding via Precision Decomposition
di: Asiaee, Amir, et al.
Pubblicazione: (2025)

Enhancing Precision of Automated Teller Machines Network Quality Assessment: Machine Learning and Multi Classifier Fusion Approaches
di: Safarzadeh, Alireza, et al.
Pubblicazione: (2025)

STaMP: Sequence Transformation and Mixed Precision for Low-Precision Activation Quantization
di: Federici, Marco, et al.
Pubblicazione: (2025)

From Physics to Machine Learning and Back: Part II - Learning and Observational Bias in PHM
di: Fink, Olga, et al.
Pubblicazione: (2025)

Responsible Machine Learning via Mixed-Integer Optimization
di: Justin, Nathan, et al.
Pubblicazione: (2025)

Dynamic Model Switching for Improved Accuracy in Machine Learning
di: Hasani, Syed Tahir Abbas
Pubblicazione: (2024)