Auteur Sujet: MLC@Home  (Lu 801 fois)

0 Membres et 1 Invité sur ce sujet

fzs600

  • Méchant modo
  • Messages: 6512
  • Boinc'eur devant l'éternel
  • ******
  •   
Re : Re : MLC@Home
« Réponse #25 le: 12 juillet 2020 à 14:40 »
Biologie ? vraiment ? un projet qui cherche à travailler sur la validation de modèle d'IA ?

Je sais qu'on a pas vraiment de catégorie pour ça, alors pourquoi pas dans la section des projets générale ? ou celle des projets multi-catégorie ? (vu que visiblement le projet va évoluer, tout en restant dans ce domaine de recherche)
Pour ce type de recherche j'ai zieuter sur Wikipédia c'est bien de la Biologie mais  bon je peux changer de catégorie si il le faut.  :kookoo:         

Utilisateur GNU-LINUX. fzs600@hub.g3l.org

JeromeC

  • CàA
  • Messages: 25021
  • Boinc'eur devant l'éternel
  • *****
  •   
Re : MLC@Home
« Réponse #26 le: 12 juillet 2020 à 14:56 »
Ben...

Citer
MLC@Home est un projet de calcul distribué consacré à la compréhension et à l'interprétation de modèles d'apprentissage machine complexes, en mettant l'accent sur les réseaux de neurones. Il utilise la plateforme de calcul distribué BOINC.

Ce que fait MLC@Home
MLC@Home fournit une plateforme ouverte et collaborative pour les chercheurs qui étudient la compréhension de l'apprentissage machine. Il nous permet de former des milliers de réseaux en parallèle, avec des entrées, des hyperparamètres et des structures de réseau étroitement contrôlés. Nous l'utilisons pour mieux comprendre ces modèles complexes.

Le projet initial de MLC@Home, le générateur d'ensembles de données d'apprentissage machine (MLDS), générera un vaste ensemble de données de réseaux simples formés avec des données propres et contradictoires. À notre connaissance, il s'agit du premier ensemble de données de ce type. MLC@Home accueille également les propositions de projets d'autres chercheurs en rapport avec ce domaine de recherche. MLC@Home demande que toutes les données générées par les projets soutenus soient mises à la disposition du public et que, dans la mesure du possible, tous les documents et analyses soient également rendus publics.

C'est pas parce qu'on dit "réseau de neurones" que c'est de la bio, on parle bien de recherche en intelligence artificielle.
Parce que c'était lui, parce que c'était moi.

franky82

  • DROITS - Journalistes
  • Messages: 1275
  • Boinc'eur devant l'éternel
  • *
  •   
    • Photo de bière
Re : MLC@Home
« Réponse #27 le: 18 juillet 2020 à 10:09 »
https://www.mlcathome.org/mlcathome/forum_thread.php?id=34
Citer
Exciting news!
MLC@Home is now a project of the The Cognition, Robotics, and Learning (CORAL) lab at the University of Maryland, Baltimore County (UMBC).
This brings many benefits, not the least of which is lab space to run equipment, new ideas for research to conduct, and a place to collaborate with other researchers who may not be members of the BOINC community. Most importantly, being backed by a university research lab provides some assurance to you, our volunteers, that this project has both academic merit and a purpose beyond a single researcher and their goals. Over the next few days I'll be updating our website to reflect the new affiliation.

As always, please see our main website, https://www.mlcathome.org for details on the current research, or join us by attaching your BOINC client to this URL: https://www.mlcathome.org/mlcathome/

Citer
Des nouvelles passionnantes !
MLC@Home est désormais un projet du laboratoire CORAL (The Cognition, Robotics, and Learning) de l'université du Maryland, comté de Baltimore (UMBC).
Cela apporte de nombreux avantages, dont le moindre n'est pas l'espace de laboratoire pour faire fonctionner l'équipement, de nouvelles idées de recherche à mener, et un lieu pour collaborer avec d'autres chercheurs qui ne sont peut-être pas membres de la communauté BOINC. Plus important encore, le fait d'être soutenu par un laboratoire de recherche universitaire vous donne une certaine assurance, à vous, nos volontaires, que ce projet a à la fois un mérite académique et un but qui va au-delà d'un seul chercheur et de ses objectifs. Dans les prochains jours, je vais mettre à jour notre site web pour refléter la nouvelle affiliation.

Comme toujours, veuillez consulter notre site web principal, https://www.mlcathome.org pour des détails sur la recherche en cours, ou rejoignez-nous en joignant votre client BOINC à cette URL : https://www.mlcathome.org/mlcathome/
Mon site : Photo de bière
 

fzs600

  • Méchant modo
  • Messages: 6512
  • Boinc'eur devant l'éternel
  • ******
  •   
Re : Re : MLC@Home
« Réponse #28 le: 18 juillet 2020 à 10:31 »
https://www.mlcathome.org/mlcathome/forum_thread.php?id=34
Citer
Exciting news!
MLC@Home is now a project of the The Cognition, Robotics, and Learning (CORAL) lab at the University of Maryland, Baltimore County (UMBC).
This brings many benefits, not the least of which is lab space to run equipment, new ideas for research to conduct, and a place to collaborate with other researchers who may not be members of the BOINC community. Most importantly, being backed by a university research lab provides some assurance to you, our volunteers, that this project has both academic merit and a purpose beyond a single researcher and their goals. Over the next few days I'll be updating our website to reflect the new affiliation.

As always, please see our main website, https://www.mlcathome.org for details on the current research, or join us by attaching your BOINC client to this URL: https://www.mlcathome.org/mlcathome/

Citer
Des nouvelles passionnantes !
MLC@Home est désormais un projet du laboratoire CORAL (The Cognition, Robotics, and Learning) de l'université du Maryland, comté de Baltimore (UMBC).
Cela apporte de nombreux avantages, dont le moindre n'est pas l'espace de laboratoire pour faire fonctionner l'équipement, de nouvelles idées de recherche à mener, et un lieu pour collaborer avec d'autres chercheurs qui ne sont peut-être pas membres de la communauté BOINC. Plus important encore, le fait d'être soutenu par un laboratoire de recherche universitaire vous donne une certaine assurance, à vous, nos volontaires, que ce projet a à la fois un mérite académique et un but qui va au-delà d'un seul chercheur et de ses objectifs. Dans les prochains jours, je vais mettre à jour notre site web pour refléter la nouvelle affiliation.

Comme toujours, veuillez consulter notre site web principal, https://www.mlcathome.org pour des détails sur la recherche en cours, ou rejoignez-nous en joignant votre client BOINC à cette URL : https://www.mlcathome.org/mlcathome/
Merci pour l'info.  :kookoo:

Utilisateur GNU-LINUX. fzs600@hub.g3l.org

JeromeC

  • CàA
  • Messages: 25021
  • Boinc'eur devant l'éternel
  • *****
  •   
Re : MLC@Home
« Réponse #29 le: 18 juillet 2020 à 11:44 »
:+1:
Parce que c'était lui, parce que c'était moi.

fzs600

  • Méchant modo
  • Messages: 6512
  • Boinc'eur devant l'éternel
  • ******
  •   
Re : MLC@Home
« Réponse #30 le: 23 juillet 2020 à 06:51 »
https://www.mlcathome.org/mlcathome/forum_thread.php?id=30&postid=217
Citer
À ma connaissance (je vais essayer de le raccourcir au risque de faire quelques erreurs de généralisation), l'idée de base n'est pas de former ici des modèles de réseaux neuronaux pour un cas d'utilisation spécifique. Les modèles sont essentiellement formés sur des données de jouets aléatoires (n'ayant aucune signification sémantique). Cependant, les réseaux formés présentent une architecture neurale différente sur laquelle ils sont formés. L'idée est essentiellement d'ouvrir la boîte noire en examinant comment l'inclusion et l'ajustement de certains paramètres dans l'apprentissage des réseaux neuronaux peuvent affecter son pouvoir explicatif et sa précision.
Dans ce cycle (ensemble de données 1 + 2), nous nous concentrons sur la modification de l'architecture du réseau tout en laissant tout le reste égal. D'autres paramètres qui affectent la formation sont ensuite modifiés lors des cycles suivants.

L'objectif n'est pas de former le modèle en utilisant des données du monde réel pour modéliser et prévoir un cas d'utilisation réel, mais de mieux comprendre pourquoi certaines modifications des paramètres qui définissent la formation conduisent à un certain résultat dans le modèle formé. Devenir capable d'interpréter non seulement pourquoi une solution dérivée/prévue du réseau est dite optimale mais aussi mieux comprendre comment la solution a été exactement dérivée et comment cette solution diffère selon les changements dans l'ensemble des hyperparamètres. L'implication de cette recherche est donc bien plus importante que le simple fait de dire un certain cas d'utilisation d'une application dans un domaine spécifique, mais elle pourrait aider à faire progresser la compréhension de la formation des réseaux neuronaux en général/ dans tous les domaines, ce qui conduirait à des modèles plus expressifs, une plus grande précision et surtout une compréhension meilleure et plus intuitive du processus par lequel le réseau génère des solutions particulières.

J'espère avoir bien compris et, au moins dans une certaine mesure, sans trop de répétitions. Si vous me le faites savoir, je pourrai réessayer.

Traduit avec www.DeepL.com/Translator (version gratuite)


Utilisateur GNU-LINUX. fzs600@hub.g3l.org

JeromeC

  • CàA
  • Messages: 25021
  • Boinc'eur devant l'éternel
  • *****
  •   
Re : MLC@Home
« Réponse #31 le: 23 juillet 2020 à 18:00 »
Citer
[ce que dit] bozz4science est correct.

Nous menons une recherche fondamentale pour comprendre les modèles d'apprentissage machine. Nous le faisons avec des données "jouets" qui ne s'appliquent pas à un domaine particulier, mais la compréhension que nous espérons acquérir aidera tous les domaines qui utilisent l'apprentissage machine à mieux comprendre les limites et à améliorer les modèles qui sont utilisés dans ces domaines.... et le ML [apprentissage machine] est utilisée dans presque tous les domaines en ce moment.
Parce que c'était lui, parce que c'était moi.

fzs600

  • Méchant modo
  • Messages: 6512
  • Boinc'eur devant l'éternel
  • ******
  •   
Re : MLC@Home
« Réponse #32 le: 25 juillet 2020 à 11:54 »

Utilisateur GNU-LINUX. fzs600@hub.g3l.org

JeromeC

  • CàA
  • Messages: 25021
  • Boinc'eur devant l'éternel
  • *****
  •   
Re : MLC@Home
« Réponse #33 le: 25 juillet 2020 à 15:07 »
Ça fait un gros RAC de 40k avec les 24 threads du (vieux) Joe, je vais le laisser arriver au miyon, ça fera pas de mal :)
Parce que c'était lui, parce que c'était moi.

fzs600

  • Méchant modo
  • Messages: 6512
  • Boinc'eur devant l'éternel
  • ******
  •   

Utilisateur GNU-LINUX. fzs600@hub.g3l.org

fzs600

  • Méchant modo
  • Messages: 6512
  • Boinc'eur devant l'éternel
  • ******
  •   
Re : MLC@Home
« Réponse #35 le: Hier à 07:27 »
Linux/armhf and Linux/arm64 support status thread
https://www.mlcathome.org/mlcathome/forum_thread.php?id=51&postid=310
Citer
Les utilisateurs attentifs remarqueront peut-être que le MLDS est maintenant disponible pour l'ARM 64 bits sur ce serveur (si vous regardez *vraiment* bien, vous verrez aussi un binaire 32 bits mal configuré, mais qui fonctionne aussi).

Ne l'utilisez pas encore à moins que vous ne vouliez *vraiment* le tester, car il y a au moins un problème flagrant : il est multithreadé au lieu d'être single threadé, ce qui le conduit à surcommuter les plates-formes.

Mais nous nous en rapprochons. Je travaille sur un petit lot de corrections et sur l'automatisation du processus de construction pour le jeu de données 3 ; donc, à moins que vous ne vouliez vraiment être sur la corde raide, attendez la prochaine version du client et une annonce officielle.

Traduit avec www.DeepL.com/Translator (version gratuite)

Citer
   10 Aug 2020, 5:22:00 UTC    12 Aug 2020, 5:22:00 UTC    En cours    ---    ---    ---    Machine Learning Dataset Generator v9.20
aarch64-unknown-linux-gnu

Utilisateur GNU-LINUX. fzs600@hub.g3l.org