FluxML/FastAI.jl

Benchmark image pipelines against ffcv

Open

#236 geöffnet am 10. Juni 2022

Auf GitHub ansehen
 (0 Kommentare) (1 Reaktion) (0 zugewiesene Personen)Julia (49 Forks)batch import
help wantedperformance

Repository-Metriken

Stars
 (592 Stars)
PR-Merge-Metriken
 (Keine gemergten PRs in 30 T)

Beschreibung

[https://github.com/libffcv/ffcv] seems to be the state-of-the-art when it comes to fast image pipelines for training deep learning models on computer vision. Would be interesting to benchmark against this and see how we compare.

Results could motivate work on #235.

Contributor Guide

Research-Richtung
Das Issue schlägt vor, die Bild Pipelines von FastAI.jl gegen ffcv zu benchmarken. Zuerst sollte die aktuelle Implementierung der Bild Pipeline in FastAI.jl (wahrscheinlich in src/) verstanden werden. Dann replizieren Sie die optimierte Pipeline von ffcv in Julia oder vergleichen Sie mit ähnlichen Datensätzen. Die Ergebnisse könnten die in Issue #235 erwähnten Verbesserungen informieren. Sehen Sie sich die Dokumentation und Leistungsbenchmarks von ffcv an, um einen fairen Vergleich zu entwerfen.
Tech Stack
Keine
Domain
machine learningperformance
Issue Type
Performance
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-2 Tage
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Veraltet
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Recherche nötig
Voraussetzungen
Julia programmingFlux.jl familiarityBenchmarking concepts
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
30