Skyline:深度神经网络训练中的编辑器内交互式计算性能分析
交互式数据可视化计算方法在HCI中的应用软件工程师与开发者AI/ML 研究员与工程师
训练先进的深度神经网络(DNN)是一个计算昂贵且耗时的过程,这促使深度学习开发者对DNN进行计算性能调试。然而,有效进行此调试需要对底层软件和硬件系统有深入了解——这是普通深度学习开发者可能不具备的。为弥补这一差距,我们提出SKYLINE:一种支持编辑器内计算性能分析、可视化和调试的DNN训练新工具。SKYLINE的核心贡献在于利用DNN训练的特殊计算属性,提供(i)交互式性能预测和可视化,以及(ii)可直接操作的可视化效果——拖动即可更改代码中的批量大小。作为编辑器内工具,SKYLINE允许用户在开发过程中利用这些诊断功能调试DNN的性能。一项针对SKYLINE的探索性定性用户研究产生了积极结果;所有参与者均认为SKYLINE有用且易于使用。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 100%
DeepFlow:面向深度学习开发的流式可视化编程工具
IUI '25· 交互式数据可视化 +1
- 80%
面向数据科学家的有效搜索以发现过去的分析选择
CHI '19· 交互式数据可视化 +1
- 80%
Emblaze:通过交互式比较嵌入空间阐明机器学习表征
IUI '22· 交互式数据可视化 +1
- 80%
CGAT-Net: 用于场景草图识别的上下文感知图注意力Transformer网络
IUI '25· 交互式数据可视化 +1
- 80%
设备端交互挖掘
MobileHCI '25· 交互式数据可视化 +1
- 75%
利用社区使用数据实现数据驱动的API设计:一项需求研究
CHI '20· 计算方法在HCI中的应用
- 75%
认真对待ASCII绘图:程序员如何绘制代码图
CHI '24· 交互式数据可视化 +1
- 67%
结晶体:降低开发者收集和组织决策信息的成本
CHI '22· 大语言模型(LLM)的人机协作 +2
- 60%
大规模可视化API使用示例
CHI '18· 交互式数据可视化 +1
- 60%
MultiTrack:使用商用WiFi进行多用户跟踪和活动识别
CHI '19· 人体姿态与行为识别 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/10.1145/3379337.3415890
一眼看懂
fact_check论文快照
dataset
来源
UIST
calendar_month
年份
2020
emoji_events
奖项
未标记奖项
group
作者
3 位作者
sell
研究子方向
交互式数据可视化、计算方法在HCI中的应用
work
职业/产业
软件工程师与开发者、AI/ML 研究员与工程师
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文