คำถามติดแท็ก dc.parallel-comp

มันถูกต้องหรือไม่ที่จะเรียกเฟรมเวิร์กmapReduceชนิดของเฟรมเวิร์กการเขียนโปรแกรมแบบซิงโครนัสแบบขนานจำนวนมากที่ไม่มีหน่วยความจำโลคัลภายในตัวประมวลผลระหว่างการซิงโครไนซ์? ถ้าไม่ใช่รูปแบบการเขียนโปรแกรมแบบขนานใดที่ห่อหุ้มกรอบ mapReduce อย่างแม่นยำที่สุด?

11 dc.parallel-comp  machine-models 

ลองนึกภาพภาษาโปรแกรมที่ใช้งานได้ซึ่งมีชนิดข้อมูลเป็นสเกลาร์ตัวเลขและการซ้อนข้อมูลแบบอาเรย์โดยพลการ ภาษาขาดวิธีการทำซ้ำใด ๆ ที่ไม่ จำกัด ดังนั้นสิ่งต่อไปนี้จะไม่ได้รับอนุญาต: ชัดเจนลูป (ไม่ค่อยได้ใช้โดยไม่มีผลข้างเคียง) เรียกซ้ำ ฟังก์ชั่นชั้นหนึ่งโดยพลการ (ไม่มี y-combinator) อย่างไรก็ตามภาษานี้มี: ฟังก์ชั่นระดับบนสุด ขอบเขตที่ จำกัด ให้การเชื่อม การควบคุมการไหลของกิ่ง ฟังก์ชันสเกลาร์คณิตศาสตร์และตรรกะทั่วไป ตัวสร้างอาร์เรย์แบบง่าย ๆ เช่น fill (n, x) ซึ่งสร้างอาร์เรย์ n-element ที่มีค่าเหมือนกัน x สิ่งสำคัญที่สุด: ชุด จำกัด ของตัวดำเนินการลำดับสูงกว่าซึ่งดำเนินการวนซ้ำที่มีโครงสร้างแบบขนาน (เช่นแผนที่ลดสแกนทุกคู่) หากต้องการเฉพาะเจาะจงมากขึ้นเกี่ยวกับตัวดำเนินการขนานของข้อมูล: y = แผนที่ (f, x) => y [i] = f [i] y = ลด (f, …

11 complexity-classes  functional-programming  dc.parallel-comp 

ปล่อยให้คลาส BPNC (การรวมกันของและ ) เป็นอัลกอริทึมแบบขนานความลึกของบันทึกที่มีความน่าจะผิดพลาดแบบ จำกัด ขอบเขตและเข้าถึงแหล่งข้อมูลแบบสุ่ม (ฉันไม่แน่ใจว่าชื่อนี้แตกต่างกัน) กำหนดคลาส DBPNC ในทำนองเดียวกันยกเว้นว่ากระบวนการทั้งหมดมีการเข้าถึงแบบสุ่มในสตรีมแบบสุ่มของบิตคงที่เมื่อเริ่มอัลกอริทึมB P PBPP\mathsf{BPP}N Cยังไม่มีข้อความค\mathsf{NC} กล่าวอีกนัยหนึ่งแต่ละกระบวนการใน BPNC มีการเข้าถึงแหล่งสุ่มที่แตกต่างกันในขณะที่อัลกอริทึม DBPNC มีตัวสร้างตัวนับโหมดตัวนับร่วมกันอย่างสมบูรณ์แบบ เรารู้หรือไม่ว่า BPNC = DBPNC

10 cc.complexity-theory  complexity-classes  dc.parallel-comp  randomness  pseudorandomness 

ฉันกำลังมองหาบันทึกการบรรยายออนไลน์หรือแหล่งข้อมูลอื่น ๆ ที่ให้การแนะนำที่ดีเกี่ยวกับการเขียนโปรแกรมแบบขนานเช่นเดียวกับแอนะล็อกขนานของคลาสพื้นฐานทางวิทยาศาสตร์คอมพิวเตอร์ โฟกัสของฉันคือต่อไปนี้: ในขณะที่ฉันสามารถพูดคุยเกี่ยวกับการหาร & พิชิตอัลกอริธึมโลภการเขียนโปรแกรมแบบไดนามิกและสิ่งที่คล้ายกันนั่นคือรูปแบบพื้นฐานของอัลกอริทึมตามลำดับ (และปัญหา) และฉันไม่มีภาษาที่เหมาะสม ตัวอย่างเช่นฉันต้องการได้รับเงื่อนไขที่เหมาะสมเพื่อแสดงความจริงที่ว่าวิธีการขนานที่เห็นได้ชัดสำหรับปัญหาต่อไปนี้มีพฤติกรรมเชิงคุณภาพที่แตกต่างกัน: การตั้งค่าอาร์เรย์ของจำนวนเต็มทั้งหมดเป็นศูนย์ (ปรับขนาดได้อย่างสมบูรณ์) รวมอาเรย์ของจำนวนเต็ม (ยิ่งใช้เธรดมากเท่าไหร่ก็จะยิ่งมีค่าใช้จ่ายมากขึ้นเท่านั้น) ให้อาร์เรย์รายการผลิตภัณฑ์ของแต่ละรายการกับแต่ละรายการอื่น ๆ (ถ้าเราขนานสองครั้งที่เป็นที่ยอมรับสำหรับ canonical, เวลาทำงานจะปรับขนาดเพื่อ sqrt ของโปรเซสเซอร์หมายเลข) พอหน่วยความจำสภาพแวดล้อมที่ใช้ร่วมกันและการสื่อสารระหว่างกระบวนการไม่เกี่ยวข้องกับฉัน (อันที่จริงฉันสนใจอัลกอริทึมที่หลีกเลี่ยงได้เลย) ยิ่งไปกว่านั้นด้านเทคนิคก็ไม่อาจปฏิเสธได้สำหรับฉัน

10 reference-request  soft-question  dc.parallel-comp  survey 

ในบทความที่มีชื่อเดียวกันกับคำถามนี้ผู้เขียนอธิบายถึงวิธีการสร้างการดำเนินการCAS แบบหลายคำที่ไม่บล็อก เชิงเส้น แบบปรับขนาดได้โดยใช้ CAS แบบคำเดียว พวกเขาแนะนำการดำเนินการแบบ double-compare-single-swap ครั้งแรก - RDCSS ดังนี้: word_t RDCSS(RDCSSDescriptor_t *d) { do { r = CAS1(d->a2, d->o2, d); if (IsDescriptor(r)) Complete(r); } while (IsDescriptor(r)); if (r == d->o2) Complete(d); // !! return r; } void Complete(RDCSSDescriptor_t *d) { v = *(d->a1); if (v == d->o1) …

10 dc.parallel-comp  concurrency 

ตัวแยกประเภทการเรียนรู้ของเครื่องใดที่ขนานได้มากที่สุด หากคุณมีปัญหาในการจัดหมวดหมู่ยาก จำกัด เวลา แต่มี LAN ที่เหมาะสมสำหรับคอมพิวเตอร์ที่จะใช้งานตัวแยกประเภทใดที่คุณจะลอง สำหรับมือฉันดูเหมือนว่าตัวแยกประเภทมาตรฐานบางอย่างที่ฉันรู้ว่ามีสแต็กดังนี้ แต่ฉันอาจผิดทั้งหมด: ป่าสุ่ม - ขนานมากตราบใดที่แต่ละเครื่องสามารถเก็บข้อมูลทั้งหมด (เช่นไม่สามารถแบ่งข้อมูลการฝึกอบรมต่อ se แต่ขนานกันเป็นอย่างอื่น) การส่งเสริม - สนับสนุน Vector Machine - ไม่ขนานกันมาก ต้นไม้ตัดสินใจ - สามารถแบ่งออกเป็นบางส่วนได้ แต่ไม่ค่อยมีประสิทธิภาพ

10 lg.learning  machine-learning  dc.parallel-comp 

เป็นไปได้ (ทับคุณสามารถให้ตัวอย่าง) เพื่อลดความซับซ้อนในการคำนวณของปัญหาโดยใช้อัลกอริทึมแบบขนานซึ่งไม่ต้องการตัวประมวลผลจำนวนมากเมื่อเทียบกับขนาดอินพุต?

10 cc.complexity-theory  dc.parallel-comp