InfoQ ホームページ Optimization に関するすべてのコンテンツ
-
GoogleがTensorFlowモデル最適化のためのQuantization Aware Trainingをリリース
Googleは、TensorFlow Model Optimization Toolkit用のQuantization Aware Training（QAT）APIのリリースを発表した。QATは、ニューラルネットワークトレーニングプロセス中に低精度のハードウェアをシミュレートし、全体的なネットワーク損失メトリックに量子化誤差を追加する。これにより、トレーニングプロセスがトレーニング後の量子化の影響を最小限に抑えられる。
-
詳細なベンチマークにより、Webアプリ向けの人気のビルドツールをランク付け
Googleのweb.devチームは最近、人気のあるWebアプリケーションバンドラーを比較する詳細なベンチマークをリリースした。最初のリリースでは、browserify、parcel、rollup、webpackバンドラーを6つのディメンションと61の機能テストでテストするものである。ベンチマークは、特定のプロジェクトの特定のニーズに適合するバンドラーを選択するための、関連性のある構造化された比較基準を開発者に提供することを目的としている。
-
Google Propellerが大規模LLVMバイナリからさらなるパフォーマンスを引き出す
Google Propellerは、実行時の動作のプロファイルに基づいてLLVMバイナリを再リンクおよび最適化することにより、LLVMバイナリのパフォーマンスを向上させることができる。Googleのエンジニアによると、Propellerは、以前はLLVMによって高度に最適化されていたバイナリの主要なパフォーマンスベンチマークを2～9％向上させることができる。
-
プログレッシブJPEGとHTTP Rangeリクエストで遅延ロードを改善する
Christoph Erdmann氏は先頃、Progressive JPEGとHTTP Rangeリクエストを駆使したイメージ遅延ロードの興味深いテクニックを取り上げた、詳細な説明記事を執筆した。他の画像プレースホルダや遅延読み込み手法とは異なり、Rangeリクエストを使用することによる余分な画像データのダウンロードを発生させることなく、オリジナルと同じような、小サイズのプレビューイメージを提供することが可能である。
-
WebhintオープンソースLintingツール
webhintプロジェクトは、アクセシビリティ、パフォーマンス、およびセキュリティに関する問題をチェックするためのオープンソースのlintingツールを提供する。 WebサイトやWebアプリの作成には、詳細まで完璧なものが増えている。webhintは、開発者がこれらの詳細を覚えておくのに役立つ。
-
C# 7.2における構造体のパフォーマンス
C#コンパイラは、readonlyを伴ういくつかの条件下で、構造体の防衛的コピー（defensive copy）を生成する。この問題はよく知られ、文書化されているが、C# 7.2のいくつかの機能に関係しているため、見直す価値がある。inおよびref readonlyキーワードは問題の発生を高め、readonly構造体はその修正手段を提供する。
-
Mathieu Ripert氏，Instacartのマシンラーニング最適化を語る
Instacartは食料品を１時間以内に届けるオンライン・デリバリサービスである。アイテムをWebサイトあるいはモバイルアプリで注文すると，Instacartの購入代行者グループが地元の店舗でそれを購入して，購入者に届ける仕組みだ。InfoQは同社のデータサイエンティストであるMathieu Ripert氏にインタビューして，よりよいカスタマエクスペリエンスを保証する上で，Instacartがマシンラーニングをどのうように活用しているのか聞いた。
-
MITが並列プログラムの最適化改善のためにLLVMのIRを拡張
MITの研究者たちがLLVMのフォークを使用して，fork-join並列処理をコンパイラの中間表現(IR)に直接埋め込む並列コード最適化の新たなアプローチに取り組んでいる。この方法を用いることで，直列的なIRレベルの最適化手法の大部分が並列プログラムでも利用可能になる，というのが彼らの主張だ。
-
FacebookはいかにしてHHVM JITコンパイラのパフォーマンスを改善したか
2013年の夏，Facebookの技術者達は，HHVMJITコンパイラの再設計を開始した。 目標は，FacebookのWebサーバ上でのCPU使用率を15%低下させることである。 Facebookの技術者であるGuilherme Ottoni氏は，Profile-guided optimizations(PGO)をJITコンパイラに適用することにより，目標を達成したと記している。
-
FacebookがiOS向けアプリのスタートタイムを改善した方法
FacebookエンジニアのNatansh Verma氏がiOS向けFacebookアプリのローンチタイムをどう削減したかを説明する。依存性のストリーミングとUDPプライミングを使って数秒をカットしたものである。
-
Facebookが行ったiOSファイル破損バグ対応
FacebookのエンジニアであるSlobodan Predolac，Nicolas Spielberg両氏は先日，"モバイルアプリ長期的なデバッグ問題を解決し，クラッシュ率を50%以上低減した"方法について解説した。その中で氏らは，大規模で急速に進化するコードベースを支援することが可能な，汎用性のある技術といくつかのFacebookのツールを紹介している。
-
AndroidがAOT(ahead-on-time)コンパイラを採用
GoogleはGoogle I/O 2014で，"Lリリース" というコードネームの，Androidオペレーティングシステムの次期バージョンを発表した。システムアーキテクチャ上の最も大きな変更は，従来のDalvik仮想マシンとJITコンパイラが，ART(Android RunTime)というシンプルな名称の新ランタイムとAOTに置き換えられることだ。