Buchumschlag

Keras Sig: Efficient Path Signature Computation on GPU in Keras 3

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Genet, Rémi, Inzirillo, Hugo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Efficient Remote KV Cache Reuse with GPU-native Video Codec
von: Mi, Liang, et al.
Veröffentlicht: (2026)

Mélange: Cost Efficient Large Language Model Serving by Exploiting GPU Heterogeneity
von: Griggs, Tyler, et al.
Veröffentlicht: (2024)

Eliminating Multi-GPU Performance Taxes: A Systems Approach to Efficient Distributed LLMs
von: Trifan, Octavian Alexandru, et al.
Veröffentlicht: (2025)

GeoT: Tensor Centric Library for Graph Neural Network via Efficient Segment Reduction on GPU
von: Yu, Zhongming, et al.
Veröffentlicht: (2024)

HybriMoE: Hybrid CPU-GPU Scheduling and Cache Management for Efficient MoE Inference
von: Zhong, Shuzhang, et al.
Veröffentlicht: (2025)

Single-GPU GNN Systems: Traps and Pitfalls
von: Gong, Yidong, et al.
Veröffentlicht: (2024)

70% Size, 100% Accuracy: Lossless LLM Compression for Efficient GPU Inference via Dynamic-Length Float (DFloat11)
von: Zhang, Tianyi, et al.
Veröffentlicht: (2025)

Fast and Efficient 2-bit LLM Inference on GPU: 2/4/16-bit in a Weight Matrix with Asynchronous Dequantization
von: Li, Jinhao, et al.
Veröffentlicht: (2023)

Semantic-Aware Scheduling for GPU Clusters with Large Language Models
von: Wang, Zerui, et al.
Veröffentlicht: (2025)

Iris: First-Class Multi-GPU Programming Experience in Triton
von: Awad, Muhammad, et al.
Veröffentlicht: (2025)

KernelFoundry: Hardware-aware evolutionary GPU kernel optimization
von: Wiedemann, Nina, et al.
Veröffentlicht: (2026)

GNNBENCH: Fair and Productive Benchmarking for Single-GPU GNN System
von: Gong, Yidong, et al.
Veröffentlicht: (2024)

ParallelKittens: Systematic and Practical Simplification of Multi-GPU AI Kernels
von: Sul, Stuart H., et al.
Veröffentlicht: (2025)

Nexus:Proactive Intra-GPU Disaggregation of Prefill and Decode in LLM Serving
von: Shi, Xiaoxiang, et al.
Veröffentlicht: (2025)

Ilargi: a GPU Compatible Factorized ML Model Training Framework
von: Sun, Wenbo, et al.
Veröffentlicht: (2025)

Challenging GPU Dominance: When CPUs Outperform for On-Device LLM Inference
von: Zhang, Haolin, et al.
Veröffentlicht: (2025)

A Distributed Framework for Causal Modeling of Performance Variability in GPU Traces
von: Lahiry, Ankur, et al.
Veröffentlicht: (2025)

Revati: Transparent GPU-Free Time-Warp Emulation for LLM Serving
von: Agrawal, Amey, et al.
Veröffentlicht: (2026)

Parallel Track Transformers: Enabling Fast GPU Inference with Reduced Synchronization
von: Wang, Chong, et al.
Veröffentlicht: (2026)

Communication and Computation Efficient Split Federated Learning in O-RAN
von: Gu, Shunxian, et al.
Veröffentlicht: (2025)

WarmServe: Enabling One-for-Many GPU Prewarming for Multi-LLM Serving
von: Lou, Chiheng, et al.
Veröffentlicht: (2025)

Prediction-Assisted Online Distributed Deep Learning Workload Scheduling in GPU Clusters
von: Luo, Ziyue, et al.
Veröffentlicht: (2025)

Mind the Memory Gap: Unveiling GPU Bottlenecks in Large-Batch LLM Inference
von: Recasens, Pol G., et al.
Veröffentlicht: (2025)

Maya: Optimizing Deep Learning Training Workloads using GPU Runtime Emulation
von: Yarlagadda, Srihas, et al.
Veröffentlicht: (2025)

RAPID-Serve: Resource-efficient and Accelerated P/D Intra-GPU Disaggregation
von: Masood, Amna, et al.
Veröffentlicht: (2026)

FloatSOM: GPU-Accelerated, Distributed, Topology-Flexible Self-Organizing Maps
von: Xu, Tony, et al.
Veröffentlicht: (2026)

GPU-Accelerated Optimization of Transformer-Based Neural Networks for Real-Time Inference
von: Mukherjee, Soutrik, et al.
Veröffentlicht: (2026)

TokenWeave: Efficient Compute-Communication Overlap for Distributed LLM Inference
von: Gond, Raja, et al.
Veröffentlicht: (2025)

Nonuniform-Tensor-Parallelism: Mitigating GPU failure impact for Scaled-up LLM Training
von: Arfeen, Daiyaan, et al.
Veröffentlicht: (2025)

FlashMem: Supporting Modern DNN Workloads on Mobile with GPU Memory Hierarchy Optimizations
von: Shu, Zhihao, et al.
Veröffentlicht: (2026)

SURGE: SuperBatch Unified Resource-efficient GPU Encoding for Heterogeneous Partitioned Data
von: Kapadia, Shashank, et al.
Veröffentlicht: (2026)

ConServe: Fine-Grained GPU Harvesting for LLM Online and Offline Co-Serving
von: Qiao, Yifan, et al.
Veröffentlicht: (2024)

FT K-means: A High-Performance K-means on GPU with Fault Tolerance
von: Wu, Shixun, et al.
Veröffentlicht: (2024)

FIKIT: Priority-Based Real-time GPU Multi-tasking Scheduling with Kernel Identification
von: Wu, Wenqing
Veröffentlicht: (2023)

Computation and Communication Efficient Lightweighting Vertical Federated Learning for Smart Building IoT
von: Wang, Heqiang, et al.
Veröffentlicht: (2024)

PackInfer: Compute- and I/O-Efficient Attention for Batched LLM Inference
von: Ning, Rui, et al.
Veröffentlicht: (2026)

Enabling Disaggregated Multi-Stage MLLM Inference via GPU-Internal Scheduling and Resource Sharing
von: Zhao, Lingxiao, et al.
Veröffentlicht: (2025)

LLM Inference at the Edge: Mobile, NPU, and GPU Performance Efficiency Trade-offs Under Sustained Load
von: Tummalapalli, Pranay, et al.
Veröffentlicht: (2026)

SuperFedNAS: Cost-Efficient Federated Neural Architecture Search for On-Device Inference
von: Khare, Alind, et al.
Veröffentlicht: (2023)

MoE-Gen: High-Throughput MoE Inference on a Single GPU with Module-Based Batching
von: Xu, Tairan, et al.
Veröffentlicht: (2025)