ML 컴파일러들이 과대평가되고 있음. 전통적인 컴파일러와 마찬가지로 트레이드오프가 존재하며, 전문 성능 프로그래머를 고용하는 것보다 처리량은 많지만, 후자가 종종 훨씬 더 높은 성능을 낼 수 있음. ML 컴파일러는 여러 수준에서 열등한데, 알고리즘적으로는 네트워크 수정 방법에 대한 피드백을 제공하지 않고, 의도의 손실이 발생하며, 비효율적인 커널을 생성함. 전문 어셈블리 프로그래머와 비교했을 때 컴파일러의 성능이 30% 이상 떨어짐.
ML 컴파일러의 현재 상태와 약속
ML 컴파일러의 현재 상태와 단기적인 약속에 대한 질문.
계산 그래프의 실행 시간 성능 예측 개선
GNN을 사용하여 계산 그래프의 실행 시간 성능을 예측하는 방법 개선에 대한 요약. 각 노드의 오퍼레이션 코드에 대한 임베딩 사전과 다른 노드 특성을 사용하며, TPU에서의 다양한 XLA 컴파일 구성과 그에 따른 성능 데이터셋을 공개함. 더 큰 그래프에 대한 예측을 개선하기 위해 그래프 분할(METIS 그래프 분할)과 다른 훈련 방법을 사용함. 이는 성능 예측에만 관련되어 있고, 새로운 동등한 그래프를 개선하거나 제안하는 것은 아님.
Gemini 프로젝트에 대한 질문
Gemini 프로젝트의 현재 상태에 대한 질문.
그래프 내의 합성곱(conv) 작동 방식 설명 요청
특정 형태의 텐서에 대한 합성곱 연산이 어떻게 이루어지는지에 대한 설명 요청.
트랜스포머에 대한 최적성 여부
트랜스포머가 어떤 방식으로 최적인지에 대한 징후가 있는지에 대한 질문.
첫 문단에 대한 의견
첫 문단이 주요 내용을 가리고 있다는 의견이지만, 그 외에는 흥미로운 내용이라는 평가.
ML의 발전 속도에 대한 감탄
ML이 현재 놀라운 속도로 발전하고 있으며, 싱귤래리티를 믿지는 않지만 소프트웨어와 사회를 예측할 수 없는 방식으로 변화시키고 있다는 의견.
Hacker News 의견
ML 컴파일러에 대한 과대평가
ML 컴파일러의 현재 상태와 약속
계산 그래프의 실행 시간 성능 예측 개선
Gemini 프로젝트에 대한 질문
그래프 내의 합성곱(conv) 작동 방식 설명 요청
트랜스포머에 대한 최적성 여부
첫 문단에 대한 의견
ML의 발전 속도에 대한 감탄
[플래그된 댓글]