MétaCan
Menu
Retour à la cohorte
Enregistrement W7066156550

High-throughput BERT Inference for ARM Big.LITTLE Multi-core Processors

2023· dissertation· en· W7066156550 sur OpenAlexaff

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2023
Typedissertation
Langueen
DomainePhysics and Astronomy
ThématiqueParticle Detector Development and Performance
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésInferenceFeature (linguistics)Set (abstract data type)Key (lock)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Transformer-based models such as Bidirectional Encoder Representations from Transformers (BERT) have achieved state-of-the-art accuracy in Natural Language Processing (NLP) tasks.Nevertheless, these models are extremely cumbersome and have low throughput in NLP inference.This is more challenging for on-edge inference due to edge devices' limited memory size and computational power.Therefore, we aim to improve the edge inference throughput of transformer-based models, which is critical for real-life applications that process multiple independent tasks concurrently on resource-constrained devices to provide a better user experience.In this work, we propose a heterogeneous pipelining framework called PipeBERT, built on TVM, for BERT models to utilize all available heterogeneous resources present in the ARM big.LITTLE CPU architecture, which is a common processing element in modern edge devices.PipeBERT splits BERT models into subgraphs, then maps these subgraphs across two heterogeneous ARM CPU clusters of cores (big and LITTLE).On the HiKey970 embedded platform and for BERT models, PipeBERT demonstrates on average 48.6% of Abstract ii higher inference throughput than running on four big cores, and an average 61% of lower Energy-delay Product (EDP) than the best homogeneous inference (that is running a BERT model on either big or LITTLE clusters).Moreover, for the first time, we incorporate Neural Architecture Search (NAS) with pipeline inference for DynaBERT models on HiKey970 board.DynaBERT is a reconfigurable embedded BERT model, which can flexibly adjust its models' size and latency.We demonstrate up to 9 higher inference throughput than running homogeneous inference on the BERT-base model with only 1.3% accuracy degradation when we incorporate NAS with pipeline on DynaBERT.However, incorporating NAS with the pipeline raises the question of whether to do (1) NAS-then-Pipeline or (2)Pipeline-then-NAS (apply pipeline inference and then perform NAS).NAS-then-Pipeline would help designers to save time since implementing and profiling hardware metrics for pipelined models in a large design space would be complex.However, we show that even though this convention saves time, it results in non-optimal design choices.The result shows that 30% of found Pareto-optimal Front (POF) sets in Pipeline-then-NAS are different from what is found in NAS-then-Pipeline in the throughput-accuracy design space.Moreover, Pipeline-then-NAS 's POF finds some solutions that have up to 34% higher throughput than the closest design points found in NAS-then-Pipeline POF set.This shows the necessity of applying pipeline inference before NAS for finding optimal throughput-accuracy solutions.iii AbrgLes modles bass sur les transformateurs tels que BERT ont atteint une prcision de pointe dans les tches de traitement du langage naturel (NLP).Nanmoins, ces modles sont extrmement encombrants et ont un faible rendement dans l'infrence NLP.Le dfi est encore plus grand pour les infrences on-edge en raison de la taille limite de la mmoire et de la puissance de calcul des appareils de bord.De ce fait, nous cherchons amliorer le rendement des infrence edge des modles bass sur les transformateurs, ce qui est essentiel pour les applications relles traitant simultanment plusieurs tches indpendantes sur des appareils aux ressources limites afin d'offrir une meilleure exprience aux utilisateurs.Dans ce travail, nous proposons un cadre de pipelining htrogne appel PipeBERT, construit sur TVM, pour que les modles BERT utilisent toutes les ressources htrognes disponibles prsentes dans l'architecture ARM big.LITTLE CPU, qui est un lment de traitement commun des appareils egde modernes.PipeBERT divise les modles BERT en sous-graphes, puis mappe ces sous-graphes sur deux groupes de coeurs de ARM CPU htrognes (big et LITTLE).Sur la plateforme intgre de HiKey970 et pour les modles List of Acronyms ADRS Average Distance From The Reference Set.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,840
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,292
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)Même sujetParticle Detector Development and PerformanceTravaux en français237 207