User-Defined Tensor Data Analysis / Dong, Bin  

Público ISBD Ningún comentario para este registro. Título : User-Defined Tensor Data Analysis Tipo de documento: documento electrónico Autores: Dong, Bin, Autor ; Wu, Kesheng, Autor ; Byna, Suren, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XII, 101 p. 23 ilustraciones ISBN/ISSN/DL: 978-3-030-70750-7 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Gestión de base de datos  Grandes datos  Ingeniería  Aprendizaje automático  Ingeniería de datos Índice Dewey: 005.74 Ciencia de los computadores (Archivos de datos y bases de datos) Resumen: Este SpringerBrief presenta FasTensor, un potente modelo de programación de datos paralelos desarrollado para aplicaciones de big data. Este libro también proporciona una guía del usuario para instalar y usar FasTensor. FasTensor permite a los usuarios expresar fácilmente muchas operaciones de análisis de datos, que pueden provenir de redes neuronales, informática científica o consultas de sistemas de gestión de bases de datos tradicionales (DBMS). FasTensor libera a los usuarios de todas las tareas de gestión de datos tediosas y subyacentes, como la partición de datos, la comunicación y la ejecución paralela. Este SpringerBrief ofrece una descripción general de alto nivel del modelo de programación de datos en paralelo de última generación y una motivación para el diseño de FasTensor. Ilustra la interfaz de programación de aplicaciones (API) de FasTensor con una gran cantidad de ejemplos y dos casos de uso reales de aplicaciones científicas de vanguardia. FasTensor puede lograr una aceleración de múltiples órdenes de magnitud sobre Spark y otros sistemas pares en la ejecución de operaciones de análisis de big data. FasTensor hace que la programación para operaciones de análisis de datos a gran escala en supercomputadoras sea lo más productiva y eficiente posible. Una referencia completa de FasTensor incluye sus fundamentos teóricos, implementación de C++ y uso en aplicaciones. Los científicos en dominios como la física y las geociencias, que analizan grandes cantidades de datos, querrán comprar este SpringerBrief. Los ingenieros de datos que diseñan y desarrollan software de análisis de datos y científicos de datos, y que utilizan Spark o TensorFlow para realizar análisis de datos, como entrenar una red neuronal profunda, también encontrarán útil este SpringerBrief como herramienta de referencia. Nota de contenido: 1. Introduction -- 1.1 Lessons from Big Data Systems -- 1.2 Data Model -- 1. 3 Programming Model High-Performance Data Analysis for Science -- 2. FasTensor Programming Model -- 2.1 Introduction to Tensor Data Model -- 2.2 FasTensor Programming Model -- 2.2.1 Stencils -- 2.2.2 Chunks -- 2.2.3 Overlap -- 2.2.4 Operator: Transform -- 2.2.5 FasTensor Execution Engine -- 2.2.6 FasTensor Scientific Computing Use Cases -- 2.3 Summary -- Illustrated FasTensor User Interface -- 3.1 An Example -- 3.2 The Stencil Class -- 3.2.1 Constructors of the Stencil -- 3.2.2 Parenthesis operator () and ReadPoint -- 3.2.3 SetShape and GetShape -- 3.2.4 SetValue and GetValue -- 3.2.5 ReadNeighbors and WriteNeighbors -- 3.2.6 GetOffsetUpper and GetOffsetLower -- 3.2.7 GetChunkID -- 3.2.8 GetGlobalIndex and GetLocalIndex -- 3.2.9 Exercise of the Stencil class -- 3.3 The Array Class -- 3.3.1 Constructors of Array -- 3.3.2 SetChunkSize, SetChunkSizeByMem, SetChunkSizeByDim, and GetChunkSize -- 3.3.3 SetOverlapSize, SetOverlapSizeByDetection,GetOverlapSize, SetOverlapPadding, and SyncOverlap -- 3.3.4 Transform -- 3.3.5 SetStride and GetStride -- 3.3.6 AppendAttribute, InsertAttribute, GetAttribute and EraseAttribute -- 3.3.7 SetEndpoint and GetEndpoint -- 3.3.8 ControlEndpoint -- 3.3.9 -- ReadArray and WriteArray -- 3.3.10 SetTag and GetTag -- 3.3.11 GetArraySize and SetArraySize -- 3.3.12 Backup and Restore -- 3.3.13 CreateVisFile -- 3.3.14 ReportCost -- 3.3.15 EP_DIR Endpoint -- 3.3.16 EP_HDF5 and Other Endpoints -- Other Functions in FasTensor -- 3.4.1 FT_Init -- 3.4.2 FT_Finalize -- 3.4.3 Data types in FasTensor -- 4. FasTensor in Real Scientific Applications -- 4.1 DAS: Distributed Acoustic Sensing -- 4.2 VPIC: Vector Particle-In-Cell -- Appendix -- A.1 Installation Guide of FasTensor -- A.2 How to Develop a New Endpoint Protocol -- Alphabetical Index -- Bibliography -- References. . En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i User-Defined Tensor Data Analysis [documento electrónico] / Dong, Bin, Autor ; Wu, Kesheng, Autor ; Byna, Suren, Autor  . -  1 ed.  . - [s.l.] : Springer, 2021 . - XII, 101 p. 23 ilustraciones. ISBN : 978-3-030-70750-7 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Gestión de base de datos  Grandes datos  Ingeniería  Aprendizaje automático  Ingeniería de datos Índice Dewey: 005.74 Ciencia de los computadores (Archivos de datos y bases de datos) Resumen: Este SpringerBrief presenta FasTensor, un potente modelo de programación de datos paralelos desarrollado para aplicaciones de big data. Este libro también proporciona una guía del usuario para instalar y usar FasTensor. FasTensor permite a los usuarios expresar fácilmente muchas operaciones de análisis de datos, que pueden provenir de redes neuronales, informática científica o consultas de sistemas de gestión de bases de datos tradicionales (DBMS). FasTensor libera a los usuarios de todas las tareas de gestión de datos tediosas y subyacentes, como la partición de datos, la comunicación y la ejecución paralela. Este SpringerBrief ofrece una descripción general de alto nivel del modelo de programación de datos en paralelo de última generación y una motivación para el diseño de FasTensor. Ilustra la interfaz de programación de aplicaciones (API) de FasTensor con una gran cantidad de ejemplos y dos casos de uso reales de aplicaciones científicas de vanguardia. FasTensor puede lograr una aceleración de múltiples órdenes de magnitud sobre Spark y otros sistemas pares en la ejecución de operaciones de análisis de big data. FasTensor hace que la programación para operaciones de análisis de datos a gran escala en supercomputadoras sea lo más productiva y eficiente posible. Una referencia completa de FasTensor incluye sus fundamentos teóricos, implementación de C++ y uso en aplicaciones. Los científicos en dominios como la física y las geociencias, que analizan grandes cantidades de datos, querrán comprar este SpringerBrief. Los ingenieros de datos que diseñan y desarrollan software de análisis de datos y científicos de datos, y que utilizan Spark o TensorFlow para realizar análisis de datos, como entrenar una red neuronal profunda, también encontrarán útil este SpringerBrief como herramienta de referencia. Nota de contenido: 1. Introduction -- 1.1 Lessons from Big Data Systems -- 1.2 Data Model -- 1. 3 Programming Model High-Performance Data Analysis for Science -- 2. FasTensor Programming Model -- 2.1 Introduction to Tensor Data Model -- 2.2 FasTensor Programming Model -- 2.2.1 Stencils -- 2.2.2 Chunks -- 2.2.3 Overlap -- 2.2.4 Operator: Transform -- 2.2.5 FasTensor Execution Engine -- 2.2.6 FasTensor Scientific Computing Use Cases -- 2.3 Summary -- Illustrated FasTensor User Interface -- 3.1 An Example -- 3.2 The Stencil Class -- 3.2.1 Constructors of the Stencil -- 3.2.2 Parenthesis operator () and ReadPoint -- 3.2.3 SetShape and GetShape -- 3.2.4 SetValue and GetValue -- 3.2.5 ReadNeighbors and WriteNeighbors -- 3.2.6 GetOffsetUpper and GetOffsetLower -- 3.2.7 GetChunkID -- 3.2.8 GetGlobalIndex and GetLocalIndex -- 3.2.9 Exercise of the Stencil class -- 3.3 The Array Class -- 3.3.1 Constructors of Array -- 3.3.2 SetChunkSize, SetChunkSizeByMem, SetChunkSizeByDim, and GetChunkSize -- 3.3.3 SetOverlapSize, SetOverlapSizeByDetection,GetOverlapSize, SetOverlapPadding, and SyncOverlap -- 3.3.4 Transform -- 3.3.5 SetStride and GetStride -- 3.3.6 AppendAttribute, InsertAttribute, GetAttribute and EraseAttribute -- 3.3.7 SetEndpoint and GetEndpoint -- 3.3.8 ControlEndpoint -- 3.3.9 -- ReadArray and WriteArray -- 3.3.10 SetTag and GetTag -- 3.3.11 GetArraySize and SetArraySize -- 3.3.12 Backup and Restore -- 3.3.13 CreateVisFile -- 3.3.14 ReportCost -- 3.3.15 EP_DIR Endpoint -- 3.3.16 EP_HDF5 and Other Endpoints -- Other Functions in FasTensor -- 3.4.1 FT_Init -- 3.4.2 FT_Finalize -- 3.4.3 Data types in FasTensor -- 4. FasTensor in Real Scientific Applications -- 4.1 DAS: Distributed Acoustic Sensing -- 4.2 VPIC: Vector Particle-In-Cell -- Appendix -- A.1 Installation Guide of FasTensor -- A.2 How to Develop a New Endpoint Protocol -- Alphabetical Index -- Bibliography -- References. . En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

---

1 (1 - 1 / 1) Par page : 25 50 100 200