Banca de DEFESA: VITOR MACIEL FONTES JACQUES

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: VITOR MACIEL FONTES JACQUES
DATA : 29/04/2024
HORA: 13:00
LOCAL: Virtual
TÍTULO:

Machine Learning Efficiency on iOS: Comparing CoreML, Tensorflow 
and Pytorch


PALAVRAS-CHAVES:

eficiência energética, performance, aprendizagem profunda, CoreML,
Tensorflow, Pytorch, iOS.


PÁGINAS: 47
RESUMO:

À medida que a aprendizagem de máquina continua a estabelecer sua presença em
plataformas móveis, surge a necessidade de avaliar o uso de recursos dos modelos em uma variedade de dispositivos e frameworks. Neste artigo, medimos o desempenho e o uso da bateria na inferência de três modelos de aprendizagem de máquina: MobileNetV2, Res-Net50 e BERT QA, ao empregar diferentes frameworks de aprendizagem profunda (Co-reML, TensorFlow e PyTorch), dispositivos iOS (iPhone 8 Plus, iPhone 11 Pro e iPad Air4) e configurações de threading. Ao longo do nosso estudo, avaliamos as métricas-chave: uso da bateria, duração da inferência e taxas de precisão. Nossas descobertas desafiam algumas crenças; por exemplo, um aumento na contagem de threads nem sempre garante uma execução de modelo mais rápida, mesmo quando havia núcleos disponíveis na CPU.
Da mesma forma, um tempo de inferência rápido nem sempre era sinônimo de maior
eficiência energética. Além disso, nosso estudo mostra que não existe o melhor framework para todos os casos. O CoreML é mais eficiente em termos de energia que MobileNetV2 e ResNet50, mas às vezes é mais lento, especialmente em dispositivos mais antigos.

O TensorFlow Lite se destaca em energia e desempenho quando utilizado no BERT QA, mesmo em hardware mais recente. Embora o multithreading geralmente ajude, seus be- nefícios são limitados, especialmente para CoreML utilizando mais do que duas threads.
Estes resultados enfatizam a necessidade de adaptar implementações de aprendizagem de máquina para características de hardware e modelo, indicando, ainda, a necessidade de melhoria nos frameworks existentes.


MEMBROS DA BANCA:
Externa à Instituição - LISANE BRISOLARA DE BRISOLARA - UFPel
Interno - 1668064 - FERNANDO JOSE CASTOR DE LIMA FILHO
Presidente - 1981503 - KIEV SANTOS DA GAMA
Notícia cadastrada em: 12/04/2024 09:29
SIGAA | Superintendência de Tecnologia da Informação (STI-UFPE) - (81) 2126-7777 | Copyright © 2006-2024 - UFRN - sigaa03.ufpe.br.sigaa03