赛题名称:Google - Fast or Slow? Predict AI Model Runtime
赛题链接:https://www.kaggle.com/competitions/predict-ai-model-runtime
赛题背景
Alice 是一名 AI 模型开发人员,但她的团队开发的一些模型运行速度非常慢。她最近发现了编译器的配置,这些配置改变了编译器编译和优化模型的方式,从而使模型运行得更快(或更慢)。参赛者的任务是帮助 Alice 找到每个模型的最佳配置。
赛题方向
数据挖掘
赛题任务
根据训练数据集中提供给参赛者的运行时数据训练机器学习模型,并进一步预测测试数据集中图形和配置的运行时。
数据描述
我们的数据集称为TpuGraphs
,这是在XLA HLO图上运行在张量处理单元(TPUs) v3上的性能预测数据集。
总共有5个数据集集合:layout:xla:random
、layout:xla:default
、layout:nlp:random
、layout:nlp:default
和tile:xla
。
最终得分将是所有数据集的平均值。要下载整个数据集并查看更多信息,参赛者可以导航到数据选项卡。
基准模型
我们在https://github.com/google-research-datasets/tpu_graphs上提供了基准模型和训练设置。请参阅我们的数据集论文(https://arxiv.org/abs/2308.13490),了解基准模型的详细信息。
评价指标
根据实际需求,我们使用两种评估指标,并对其取平均。
具体来说,对于数据集“tile:xla
”,我们使用top-K
预测产生的“(1-slowdown)
”来反映模型预测的top-K配置相对于实际最快配置的速度降低情况,计算如下:
其中 K 是top-K预测,A 是数据集中给定图的所有配置,y 是测量的执行时间。
对于 layout:* 数据集,我们使用肯德尔秩相关系数(一种排名评估指标:模型预测的配置排序与运行时间排序的实际对应程度)。
提交文件
参赛者的提交文件必须是一个带有标题ID、TopConfigs
的csv
文件。每个npz/**/test/*.npz
文件(请参阅数据)在csv文件中必须有一行。
-
ID是{collection}:{test_filename_without_extension},其中collection是tile:xla、layout:xla:random、layout:xla:default、layout:nlp:random和layout:nlp:default之一。
-
TopConfigs应该根据参赛者的模型预测,按照从最快(运行时间最短)到最慢(运行时间最长)的顺序,用“;”分隔列出配置的索引。
-
对于集合tile:xla,只有前5个条目将被考虑,其余的将被忽略。
-
对于layout:*集合,所有条目将被考虑
-
-
有关样本提交文件,请从数据选项卡下载sample_submission.csv。
时间安排
-
2023年8月29日 - 开始日期。
-
2023年11月10日 - 报名截止日期。
-
2023年11月17日 - 最终提交截止日期。
赛题奖金
-
第一名 - 15,000美元
-
第二名 - 10,000美元
-
第三名 - 8,000美元
-
第四名 - 7,000美元
-
第五名 - 5,000美元
-
第六名 - 5,000美元
关注下方【学姐带你玩AI】🚀🚀🚀
回复“比赛”获取190+场比赛top方案(kaggle、天池、ccf...)文章来源:https://www.toymoban.com/news/detail-689144.html
码字不易,欢迎大家点赞评论收藏!文章来源地址https://www.toymoban.com/news/detail-689144.html
到了这里,关于kaggle新赛:谷歌AI模型运行时间预测赛题解析【数据挖掘】的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!