GPRat: Gaussian Process Regression with Asynchronous Tasks
💡
原文英文,约100词,阅读约需1分钟。
📝
内容提要
本研究提出了一种新的高斯过程回归库GPRat,结合异步运行时模型HPX与Python API,解决了人工智能软件开发中CPU并行化导致的性能下降问题。实验结果表明,GPRat在多核处理器上的训练和预测速度显著优于现有库,展示了异步任务的潜力。
🎯
关键要点
- 本研究提出了一种新的高斯过程回归库GPRat,结合异步运行时模型HPX与Python API。
- GPRat解决了人工智能软件开发中CPU并行化导致的性能下降问题。
- 实验结果表明,GPRat在多核处理器上的训练和预测速度显著优于现有库。
- GPRat展示了在Python中利用异步任务的潜力,显著提高了性能和可扩展性。
➡️