学术活动
您当前的位置:首页 > 新闻动态 > 学术活动
【01.11】“青年科技工作者园地”举行第158次活动:基于采样的并行程序性能测量分析工具研究 、机器学习模型中系统调用数据的处理方法
文章来源:  2024-01-09
】 【】 【

“青年科技工作者园地”举行第158次活动


时间:2024年1月11日(本周四) 下午14:30

地点:二楼会议室(东莞同事和同学通过视频)

腾讯会议:185762668

会议密码:238163

入会链接:https://meeting.tencent.com/dm/Ek62okCC0aor


报告人:胡家瑞

报告题目:基于采样的并行程序性能测量分析工具研究  

报告简介:并行计算程序的性能在实际运行中常常与理论峰值和预期存在较大差距。使用性能分析工具进行程序调优是解决这一问题的高效手段。然而,程序员和开发者在使用性能分析工具时往往面临选择困难、配置和使用复杂等挑战。研究基于采样的并行程序性能分析工具有助于解决上述问题。相比于插桩技术,基于异步采样的性能工具可以更好地控制测量开销和测量数据大小。该文着重研究了三种典型的基于采样的性能分析工具:VTune Profiler、HPCToolkit和Nsight Systems,分析了其原理和功能,并且结合VASP等实际应用程序对工具的软硬件分析能力和并行编程分析能力进行了详细的探究和对比。根据这些工具在不同的应用场景下表现出的不同适用性和分析效果,提出了综合运用多种工具进行性能分析的方案,为开发者和程序员提供有益的参考。


报告人:程延福

报告题目:机器学习模型中系统调用数据的处理方法

报告简介:内核跟踪是低级事件的分段,包括一个名称和多个参数,包括时间戳、进程id和返回值,具体取决于事件。他们的分析有助于发现入侵,识别漏洞,并找到事件论据的潜在性。为了更好的处理这部分数据,并借助机器学习的方法发现异常作业,本次报告介绍一种通用的方法,即使用 embeding 和 encodng 来学习事件名称及其参数的表示。这种方法可以作为机器学习中的 RNN、LSTM、TransFormer 等网络的前置数据预处理方法,借助模型可以用于检测异常,预训练神经网络以提高其性能,并提取事件的上下文表示。



附件下载:

地址:北京市918信箱 邮编:100049 电话:86-10-88235008 Email:ihep@ihep.ac.cn
中国科学院高能物理研究所 备案序号:京ICP备05002790号-1 文保网安备案号: 110402500050