Notice bibliographique
Résumé
L’essor des réseaux de neurones profonds a révolutionné de nombreux domaines, notamment la vision par ordinateur et le traitement du langage naturel. Néanmoins, la taille croissante de ces modèles induit des exigences computationnelles de plus en plus élevées, qui mettent à l’épreuve les infrastructures de calcul actuelles. Les unités de traitement graphique (GPU pour Graphics Processing Unit), bien qu’optimisées pour les calculs massivement parallèles, peuvent être surchargées par un débit de requêtes d’inférences élevé, ce qui conduit à leur congestion et à l’explosion de la latence. Parallèlement, les unités centrales de traitement (CPU pour Central Processing Unit), souvent associées aux GPU pour des tâches de gestion, ne sont pas pleinement exploitées malgré leur potentiel pour traiter certaines tâches moins intensives en calcul. Il paraît donc pertinent d’utiliser les CPU disponibles pour assister les GPU dans leurs calculs d’inférence. Dans cette thèse, nous proposons StarONNX, une solution visant à accélérer les calculs d’inférence sur des systèmes de calcul hétérogènes combinant CPU et GPU, particulièrement en cas de forte charge d’inférences. StarONNX repose sur l’intégration de partitions de modèles DNN obtenues grâce à l’outil de partitionnement METIS. Ce dernier permet de réaliser un découpage asymétrique du volume de calcul. StarONNX s’appuie sur StarPU, un système d’exécution optimisé pour la planification dynamique des tâches sur des architectures multicœurs hétérogènes et sur ONNX Runtime, un moteur performant pour l’inférence de modèles au format ONNX. Grâce à cette combinaison, StarONNX exploite les capacités spécifiques de chaque processeur pour améliorer le débit et la latence des inférences tout en maintenant une gestion efficace des ressources. Notre approche repose sur la combinaison de méthodes issues du domaine du calcul haute performance visant à maximiser l’utilisation des ressources disponibles. Premièrement, nous utilisons la possibilité de superposer dans le temps les calculs et les communications entre les processeurs. Deuxièmement, nous optimisons l’utilisation des ressources de calcul en regroupant les cœurs CPU pour exécuter les tâches. Troisièmement, nous introduisons un pipelining des tâches d’inférence, permettant d’exécuter simultanément différentes étapes du traitement sur les GPU et les CPU, et donc d’augmenter le parallélisme et le débit. En comparant notre solution au serveur d’inférence Triton de NVIDIA, nous constatons des améliorations notables en termes de minimisation de la latence. Notre solution repousse le seuil de congestion du système à des débits plus élevés et exploite pleinement les capacités des CPU, précédemment sous-utilisées. Malgré un surcoût en latence introduit par le partitionnement, celui-ci demeure acceptable pour un partitionnement en deux ou trois segments.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».