Sujet: MLC@Home

[fzs600]

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.           

[JeromeC]

Ben...

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.

[franky82]

https://www.mlcathome.org/mlcathome/forum_thread.php?id=34

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/

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/

[fzs600]

https://www.mlcathome.org/mlcathome/forum_thread.php?id=34

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/

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. 

[JeromeC]

[fzs600]

https://www.mlcathome.org/mlcathome/forum_thread.php?id=30&postid=217

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)

[JeromeC]

[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.

[fzs600]

Bientôt une application pour ARM.
https://www.mlcathome.org/mlcathome/forum_thread.php?id=45&postid=237

[JeromeC]

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

[fzs600]

Bientôt une application pour ARM.
https://www.mlcathome.org/mlcathome/forum_thread.php?id=45&postid=237

Ça avance bien. 
https://www.mlcathome.org/mlcathome/forum_thread.php?id=51&postid=291

[fzs600]

Linux/armhf and Linux/arm64 support status thread
https://www.mlcathome.org/mlcathome/forum_thread.php?id=51&postid=310

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)

   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

[fzs600]

Après des débuts difficile avec PI4 ça s'améliore bien.

   11 Aug 2020, 4:58:59 UTC    15 Aug 2020, 13:44:46 UTC    Terminé et validé    41,827.50    41,287.31    260.00    Machine Learning Dataset Generator v9.20
aarch64-unknown-linux-gnu

11 Aug 2020, 4:58:59 UTC    15 Aug 2020, 13:24:20 UTC    Terminé et validé    42,030.59    41,470.29    260.00    Machine Learning Dataset Generator v9.20
aarch64-unknown-linux-gnu

[fzs600]

New client released with ARM support!
https://www.mlcathome.org/mlcathome/forum_thread.php?id=59&postid=341

[franky82]

https://www.mlcathome.org/mlcathome/forum_thread.php?id=76

Cette semaine dans MLC@Home
Notes pour le 14 septembre 2020
Un résumé hebdomadaire des nouvelles et des notes pour MLC@Home

Nous approchons des 2000 hôtes avec une récente note de crédit! Merci à tous ceux qui contribuent!

Nous sommes vraiment, vraiment ravis que nous approchions de la fin des ensembles de données 1 et 2. Ces réseaux embêtants Parity * et EightBit * commencent à se terminer, ce qui signifie que cette entreprise massive touche à sa fin et sera bientôt prête à être publiée.

La nouveauté cette semaine est le lancement d'un projet MLDStest pour tester en version bêta les nouvelles versions de clients et le nouvel ensemble de données 3 WU. Les utilisateurs ont la possibilité de refuser d'exécuter des unités de test s'ils le souhaitent (sous les préférences du compte), mais le nombre de WU devrait être très petit, et ce serait une grande aide de les exécuter si vous le pouvez, alors pensez à rester en tant que testeur.

Cette semaine, nous avons résolu la plupart des problèmes dans les coulisses de Dataset 3 et avons déjà envoyé des WU de test. Cette semaine, nous espérons mettre en file d'attente le gros des WU de l'ensemble de données 3. Les préparatifs pour le jeu de données 4 (MNIST et TrojAI) sont en cours.

La rédaction d'articles se poursuit jusqu'à la date limite de la conférence à la fin du mois.

Nouvelles:

Nouvelle application "MLDStest" ajoutée au site.
Nouvelles préférences de projet activées, y compris la possibilité de limiter les applications que vous exécutez et les limites sur les cœurs de processeur à utiliser en même temps.
Le client v9.60 en test, aucun problème jusqu'à présent, sera publié dans l'application MLDS régulière plus tard cette semaine.
Modifications du client pour le Dataset 4 en cours.
Une discussion technique de Dataset 3 est en cours dans les forums pour ceux qui s'intéressent à la science qui le sous-tend.
Nous ferons une version officielle d'un ensemble de données préliminaire (1 + 2) une fois que nous aurons au moins 1000 exemples de chaque type de machine, et nous nous rapprochons!
Le nouveau serveur n'a pas encore été expédié par le fournisseur, mais devrait être "n'importe quel jour maintenant".
Nous n'avons pas oublié les badges! Nous nous concentrons uniquement sur le papier et la nouvelle génération WU pour le moment. Cela dit, si les volontaires souhaitent proposer des designs potentiels pour des badges, rendez-vous sur les forums et rejoignez la discussion.


Aperçu de l' état du projet:

Tâches
Tâches prêtes à être envoyées 12847
Tâches en cours 22234
Utilisateurs
avec crédit 690
Enregistré au cours des dernières 24 heures 25
Hôtes
avec crédit récent 1960
Enregistré au cours des dernières 24 heures 42
Progression actuelle de GigaFLOPS 31675.59 Ensemble de

données 1 et 2:
SingleDirectMachine 10002/10004
EightBitMachine 9994/10006
SingleInvertMachine 10001/10003
SimpleXORMachine 10000/10002
ParityMachine 602/10005
ParitéModifiée 118/10005
EightBitModifié 4554/10006
SimpleXORModified 10005/10005
SingleDirectModified 10004/10004
SingleInvertModifié 10002/10002


Notes TWIM de la semaine dernière : 8 septembre 2020

Merci encore à tous nos bénévoles!

- Les administrateurs MLC@Home

[JeromeC]

Ca bouge bien !

[fzs600]

GPU update
https://www.mlcathome.org/mlcathome/forum_thread.php?id=89&postid=567

[Maeda]

Ah ! Bonne nouvelle . Espérons un beau CUDA avec peu de %CPU pour faire tourner le GPU à 100%

[fzs600]

Darling
https://www.mlcathome.org/mlcathome/forum_thread.php?id=93&postid=603

[JeromeC]

Mmm c'est bizarre en lisant la page principale du site, ça fait exactement l'inverse de ce qu'il faudrait "running macOS software on linux" et lui il veut porter son soft linux sur macOS sans avoir de Mac

[fzs600]

 

Server maintenance starting tonight at midnight local time (3.5 hours from this post).  Expect MLC@Home website and #boinc scheduler to be down for about a day. Hopefully less, but we're leaving lots of time.. to move to a new, more powerful server!

Maintenance du serveur à partir de ce soir à minuit, heure locale (3,5 heures à partir de ce poste).  Le site web MLC@Home et le programmateur #boinc devraient être hors service pendant environ une journée. Espérons moins, mais nous vous laissons beaucoup de temps... pour passer à un nouveau serveur plus puissant !

[Maurice Goulois]

Depuis quelques jours, il y avait souvent des délais dans les envois, espérons que ce sera plus solide  (pareil pour odlk et t.brada de temps en temps en ce moment)

Edit: depuis hier soir, ça tourne sans soucis; on dirait qu'ils ont fait l'upgrade sans bobos.

[DocPhilou1966]

 
Est-ce que vous faites tourner les UT 'test' ?
Merci

[fzs600]

Est-ce que vous faites tourner les UT 'test' ?
Merci

22 Sep 2020, 21:18:46 UTC    23 Sep 2020, 21:14:16 UTC    Terminé et validé    82,503.57    81,415.95    585.00    Machine Learning Dataset Generator (test) v9.61
aarch64-unknown-linux-gnu

   22 Sep 2020, 21:08:47 UTC    24 Sep 2020, 7:26:56 UTC    Terminé et validé    123,378.68    121,714.10    585.00    Machine Learning Dataset Generator (test) v9.61
aarch64-unknown-linux-gnu

Sinon pas moyen d'en avoir d'autre. 

[Maurice Goulois]

Non, y en a eu 20 de distribuées, rien vu chez moi   

[DocPhilou1966]

Y'en a une qu'est passée chez moi, et personne pour la valider