elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

HeAT - a Distributed and GPU-accelerated Tensor Framework for Data Analytics

Goetz, Markus und Debus, Charlotte und Coquelin, Daniel und Krajsek, Kai und Comito, Claudia und Knechtges, Philipp und Hagemeier, Björn und Tarnawa, Michael und Hanselmann, Simon und Siggel, Martin und Basermann, Achim und Streit, Achim (2020) HeAT - a Distributed and GPU-accelerated Tensor Framework for Data Analytics. In: 6th IEEE International Conference on Multimedia Big Data, BigMM 2020. IEEE International Conference on Big Data, 10. - 13. Dez. 2020, Online. doi: 10.1109/BigData50022.2020.9378050. ISBN 978-172819325-0.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Kurzfassung

To cope with the rapid growth in available data, theefficiency of data analysis and machine learning libraries has re-cently received increased attention. Although great advancementshave been made in traditional array-based computations, mostare limited by the resources available on a single computationnode. Consequently, novel approaches must be made to exploitdistributed resources, e.g. distributed memory architectures. Tothis end, we introduce HeAT, an array-based numerical pro-gramming framework for large-scale parallel processing withan easy-to-use NumPy-like API. HeAT utilizes PyTorch as anode-local eager execution engine and distributes the workloadon arbitrarily large high-performance computing systems viaMPI. It provides both low-level array computations, as wellasassorted higher-level algorithms. With HeAT, it is possible for aNumPy user to take full advantage of their available resources,significantly lowering the barrier to distributed data analysis.When compared to similar frameworks, HeAT achieves speedupsof up to two orders of magnitude.

elib-URL des Eintrags:https://elib.dlr.de/139096/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:HeAT - a Distributed and GPU-accelerated Tensor Framework for Data Analytics
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Goetz, Markusmarkus.goetz (at) kit.eduNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Debus, CharlotteCharlotte.Debus (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Coquelin, Danieldaniel.coquelin (at) kit.eduNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Krajsek, Kaik.krajsek (at) fz-juelich.dehttps://orcid.org/0000-0003-3417-161XNICHT SPEZIFIZIERT
Comito, Claudiac.comito (at) fz-juelich.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Knechtges, PhilippPhilipp.Knechtges (at) dlr.dehttps://orcid.org/0000-0002-4849-0593NICHT SPEZIFIZIERT
Hagemeier, Björnb.hagemeier (at) fz-juelich.dehttps://orcid.org/0000-0003-1528-0933NICHT SPEZIFIZIERT
Tarnawa, Michaelm.tarnawa (at) fz-juelich.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Hanselmann, Simonsimon.hanselmann (at) kit.eduNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Siggel, Martinmartin.siggel (at) dlr.dehttps://orcid.org/0000-0002-3952-4659NICHT SPEZIFIZIERT
Basermann, AchimAchim.Basermann (at) dlr.dehttps://orcid.org/0000-0003-3637-3231NICHT SPEZIFIZIERT
Streit, Achimachim.streit (at) kit.eduNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:November 2020
Erschienen in:6th IEEE International Conference on Multimedia Big Data, BigMM 2020
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
DOI:10.1109/BigData50022.2020.9378050
ISBN:978-172819325-0
Status:akzeptierter Beitrag
Stichwörter:HeAT, Tensor Framework, High-performanceComputing, PyTorch, NumPy, Message Passing Interface, GPU,Big Data Analytics, Machine Learning, Dask, Model Parallelism,Parallel Application Frameworks
Veranstaltungstitel:IEEE International Conference on Big Data
Veranstaltungsort:Online
Veranstaltungsart:internationale Konferenz
Veranstaltungsdatum:10. - 13. Dez. 2020
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Technik für Raumfahrtsysteme
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R SY - Technik für Raumfahrtsysteme
DLR - Teilgebiet (Projekt, Vorhaben):R - Vorhaben SISTEC (alt)
Standort: Köln-Porz
Institute & Einrichtungen:Institut für Simulations- und Softwaretechnik > High Performance Computing
Institut für Flugsystemtechnik > Simulationstechnik
Hinterlegt von: Knechtges, Philipp
Hinterlegt am:07 Dez 2020 10:01
Letzte Änderung:01 Aug 2023 14:28

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.