> Detailanzeige

Krajsek, Kai [Verfasser:in]; Comito, Claudia [Verfasser:in]; Götz, Markus [Verfasser:in]; Hagemeier, Björn [Verfasser:in]; Knechtges, Philipp [Verfasser:in]; Siggel, Martin [Verfasser:in]

The Helmholtz Analytics Toolkit (HeAT) - A Scientific Big Data Library for HPC -

Literatur-
verwaltung

Zur
Merkliste

Lösche von
Merkliste

Per Whatsapp teilen

Schließen

Merkliste



Sie können Bookmarks mittels Listen verwalten, loggen Sie sich dafür bitte in Ihr SLUB Benutzerkonto ein.
  • Medientyp: Elektronischer Konferenzbericht
  • Titel: The Helmholtz Analytics Toolkit (HeAT) - A Scientific Big Data Library for HPC -
  • Beteiligte: Krajsek, Kai [Verfasser:in]; Comito, Claudia [Verfasser:in]; Götz, Markus [Verfasser:in]; Hagemeier, Björn [Verfasser:in]; Knechtges, Philipp [Verfasser:in]; Siggel, Martin [Verfasser:in]
  • Erschienen: Forschungszentrum Jülich GmbH Zentralbibliothek, 2019
  • Erschienen in: Jülich : Forschungszentrum Jülich GmbH Zentralbibliothek, IAS Series 40, 57-60 (2019). ; Proceedings ; Proceedings Extreme Data Workshop 2018, Jülich, Germany, 2018-09-18 - 2018-09-19
  • Sprache: Englisch
  • ISBN: 978-3-95806-392-1
  • Entstehung:
  • Anmerkungen: Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
  • Beschreibung: We present HeAT, a scientific big data librarysupporting transparent computation on HPC systems. HeATbuilds on top of PyTorch, which already provides many requiredfeatures like automatic differentiation, CPU and GPU support,linear algebra operations and basic MPI functionality as well asan imperative programming paradigm allowing fast prototypingessential in scientific research. These features are generalized toa distributed tensor with a NumPy-like interface allowing to port existing NumPy algorithms to HPC systems nearly effortlessly.
  • Zugangsstatus: Freier Zugang