Aprimorando o algoritmo SLIDE-GPU para Problemas de Classificação Extrema

• Michel B. Cordeiro UFPR
• Wagner M. Nunan Zola UFPR

DOI: https://doi.org/10.5753/eradrs.2024.238580

Resumo

A Classificação Extrema é uma categoria de problema de aprendizado de máquina supervisionado, no qual muitas classes precisam ser consideradas, podendo chegar a centenas de milhares ou milhões. Este artigo apresenta uma proposta de melhorias para o algoritmo SLIDE-GPU, que tem demonstrado potencial para resolver eficientemente problemas de Classificação Extrema.

Referências

Chen, B., Medini, T., Farwell, J., Tai, C., Shrivastava, A., et al. (2020). SLIDE: In defense of smart algorithms over hardware acceleration for large-scale deep learning systems. Proceedings of Machine Learning and Systems, 2:291–306.

Cordeiro, M. B. and Zola, W. M. N. (2023). KNN paralelo em GPU para grandes volumes de dados com agregação de consultas. In Anais do XXIV Simpósio em Sistemas Computacionais de Alto Desempenho, WSCAD’23, pages 253–264. SBC.

Johnson, J., Douze, M., and Jégou, H. (2019). Billion-scale similarity search with GPUs. IEEE Transactions on Big Data, 7(3):535–547.

Meyer, B. H. and Nunan Zola, W. M. (2023). Towards a GPU accelerated selective sparsity multilayer perceptron algorithm using K-nearest neighbors search. In Workshop Proceedings of the 51st International Conference on Parallel Processing, ICPP W ’22.