PulseAugur
中
实时 08:26:07
English(EN) Choosing a JPEG Decoder for PyTorch DataLoaders: Workload-Specific Throughput on Four CPUs

PyTorch JPEG 解码器基准测试揭示混合工作负载速度提升

作者 PulseAugur 编辑部 · [1 个来源] ·

最近的一篇 arXiv 论文对 PyTorch DataLoader 的各种 JPEG 解码器进行了基准测试，评估了它们在不同 CPU 和数据集上的吞吐量。研究发现，虽然一些解码器在原始相机图像上比 Pillow 提供了边际改进，但像 simplejpeg、imagecodecs 和 turbojpeg 这样的特定解码器在典型的社交媒体处理混合工作负载上显示出更显著的速度提升。作者建议使用代表性的 JPEG 数据进行解码器比较，以准确评估性能。 AI

排序理由 研究论文发布在 arXiv 上，详细介绍了软件组件的性能基准测试。[lever_c_research降级：ic=1 ai=0.4]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

PyTorch JPEG 解码器基准测试揭示混合工作负载速度提升

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Vladimir Iglovikov, Dmitry Kosarevsky ·

    为 PyTorch DataLoader 选择 JPEG 解码器：四核 CPU 上的特定工作负载吞吐量

    arXiv:2605.08731v3 Announce Type: replace-cross Abstract: A JPEG decoder benchmark can combine worker counts, CPUs, and datasets in one large result matrix. We simplify that comparison by fixing a PyTorch DataLoader at eight workers and asking one question: how much faster is eac…

相关实体

相关话题