अनुमानित कंप्यूटिंग: Difference between revisions

From Vigyanwiki
(Created page with "{{Short description|Computation of nearly accurate results}} अनुमानित कंप्यूटिंग ऊर्जा-कुशल और/या उच्च-...")
 
No edit summary
 
(7 intermediate revisions by 3 users not shown)
Line 1: Line 1:
{{Short description|Computation of nearly accurate results}}
{{Short description|Computation of nearly accurate results}}
अनुमानित कंप्यूटिंग ऊर्जा-कुशल और/या उच्च-प्रदर्शन डिजाइन के लिए एक उभरता हुआ प्रतिमान है।<ref>J. Han and M. Orshansky, "[http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.701.4955&rep=rep1&type=pdf Approximate computing: An emerging paradigm for energy-efficient design]", in the 18th IEEE European Test Symposium, pp. 1-6, 2013.</ref> इसमें ढेर सारी गणना तकनीकें शामिल हैं जो गारंटीकृत सटीक परिणाम के बजाय संभावित रूप से गलत परिणाम देती हैं, और इसका उपयोग उन अनुप्रयोगों के लिए किया जा सकता है जहां अनुमानित परिणाम इसके उद्देश्य के लिए पर्याप्त है।<ref>A. Sampson, et al. "[http://dl.acm.org/citation.cfm?id=1993518 EnerJ: Approximate data types for safe and general low-power computation]", In ACM SIGPLAN Notices, vol. 46, no. 6, 2011.</ref> ऐसी स्थिति का एक उदाहरण एक खोज इंजन के लिए है जहां एक निश्चित खोज क्वेरी के लिए कोई सटीक उत्तर मौजूद नहीं हो सकता है और इसलिए, कई उत्तर स्वीकार्य हो सकते हैं। इसी प्रकार, किसी वीडियो एप्लिकेशन में कभी-कभी कुछ [[फ़्रेम (वीडियो)]] का गिरना मनुष्यों की अवधारणात्मक सीमाओं के कारण पता नहीं चल पाता है। अनुमानित कंप्यूटिंग इस अवलोकन पर आधारित है कि कई परिदृश्यों में, हालांकि सटीक गणना करने के लिए बड़ी मात्रा में संसाधनों की आवश्यकता होती है, अनुमानित सिद्धांत स्वीकार्य परिणाम सटीकता प्राप्त करते हुए प्रदर्शन और ऊर्जा में असंगत लाभ प्रदान कर सकता है।{{clarify|date=January 2016}} उदाहरण के लिए, k-मीन्स क्लस्टरिंग|k-मीन्स क्लस्टरिंग एल्गोरिदम में, वर्गीकरण सटीकता में केवल 5% हानि की अनुमति देकर पूरी तरह से सटीक वर्गीकरण की तुलना में 50 गुना ऊर्जा बचत प्रदान की जा सकती है।
'''अनुमानित कंप्यूटिंग''' ऊर्जा-कुशल और/या उच्च-प्रदर्शन डिजाइन के लिए उभरता हुआ प्रतिमान है।<ref>J. Han and M. Orshansky, "[http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.701.4955&rep=rep1&type=pdf Approximate computing: An emerging paradigm for energy-efficient design]", in the 18th IEEE European Test Symposium, pp. 1-6, 2013.</ref> इसमें अधिक गणना तकनीकें सम्मिलित हैं जो गारंटीकृत स्पष्ट परिणाम के अतिरिक्त संभावित रूप से गलत परिणाम देती हैं, और इसका उपयोग उन अनुप्रयोगों के लिए किया जा सकता है जहां अनुमानित परिणाम इसके उद्देश्य के लिए पर्याप्त है।<ref>A. Sampson, et al. "[http://dl.acm.org/citation.cfm?id=1993518 EnerJ: Approximate data types for safe and general low-power computation]", In ACM SIGPLAN Notices, vol. 46, no. 6, 2011.</ref> इस प्रकार ऐसी स्थिति का उदाहरण खोज इंजन के लिए है जहां निश्चित खोज क्वेरी के लिए कोई स्पष्ट उत्तर उपस्थित नहीं हो सकता है और इसलिए, कई उत्तर स्वीकार्य हो सकते हैं। इसी प्रकार, किसी वीडियो एप्लिकेशन में कभी-कभी कुछ [[फ़्रेम (वीडियो)]] का गिरना मनुष्यों की अवधारणात्मक सीमाओं के कारण पता नहीं चल पाता है। अनुमानित कंप्यूटिंग इस अवलोकन पर आधारित है कि कई परिदृश्यों में, चूँकि स्पष्ट गणना करने के लिए बड़ी मात्रा में संसाधनों की आवश्यकता होती है, इस प्रकार अनुमानित सिद्धांत स्वीकार्य परिणाम स्पष्टता प्राप्त करते हुए प्रदर्शन और ऊर्जा में असंगत लाभ प्रदान कर सकता है। उदाहरण के लिए, k-मीन्स क्लस्टरिंग या k-मीन्स क्लस्टरिंग एल्गोरिदम में, वर्गीकरण स्पष्टता में केवल 5% हानि की अनुमति देकर पूरी तरह से स्पष्ट वर्गीकरण की तुलना में 50 गुना ऊर्जा बचत प्रदान की जा सकती है।


अनुमानित कंप्यूटिंग में मुख्य आवश्यकता यह है कि सन्निकटन केवल गैर-महत्वपूर्ण डेटा में पेश किया जा सकता है, क्योंकि महत्वपूर्ण डेटा (जैसे, नियंत्रण संचालन) का अनुमान लगाने से [[प्रोग्राम क्रैश]] या गलत आउटपुट जैसे विनाशकारी परिणाम हो सकते हैं।
अनुमानित कंप्यूटिंग में मुख्य आवश्यकता यह है कि सन्निकटन केवल गैर-महत्वपूर्ण डेटा में प्रस्तुत किया जा सकता है, क्योंकि महत्वपूर्ण डेटा (जैसे, नियंत्रण संचालन) का अनुमान लगाने से [[प्रोग्राम क्रैश]] या गलत आउटपुट जैसे विनाशकारी परिणाम हो सकते हैं।


==रणनीतियाँ==
==स्ट्रेटजीस==
अनुमानित कंप्यूटिंग निष्पादित करने के लिए कई रणनीतियों का उपयोग किया जा सकता है।
अनुमानित कंप्यूटिंग निष्पादित करने के लिए कई रणनीतियों का उपयोग किया जा सकता है।


; अनुमानित सर्किट
; अनुमानित परिपथ
: अनुमानित अंकगणितीय सर्किट:<ref>Jiang et al., "[http://www.ece.ualberta.ca/~jhan8/publications/survey.pdf Approximate Arithmetic Circuits: A Survey, Characterization, and Recent Applications]", the Proceedings of the IEEE, Vol. 108, No. 12, pp. 2108 - 2135, 2020.</ref> [[योजक (इलेक्ट्रॉनिक्स)]],<ref>J. Echavarria, et al. "FAU: Fast and Error-Optimized Approximate Adder Units on LUT-Based FPGAs", FPT, 2016.</ref><ref>J. Miao, et al. "[https://repositories.lib.utexas.edu/bitstream/handle/2152/19706/miao_thesis_201291.pdf?sequence=1 Modeling and synthesis of quality-energy optimal approximate adders]", ICCAD, 2012</ref> [[बाइनरी गुणक]]<ref>{{Cite book|last1=Rehman|first1=Semeen|last2=El-Harouni|first2=Walaa|last3=Shafique|first3=Muhammad|last4=Kumar|first4=Akash|last5=Henkel|first5=Jörg|date=2016-11-07|title=अनुमानित गुणकों का वास्तुशिल्प-अंतरिक्ष अन्वेषण|publisher=ACM|pages=80|doi=10.1145/2966986.2967005|isbn=9781450344661|s2cid=5326133}}</ref> और अन्य [[तार्किक सर्किट]] हार्डवेयर ओवरहेड को कम कर सकते हैं।<ref>S. Venkataramani, et al. "[http://algos.inesc-id.pt/projectos/approx/FCT/Ref-15.pdf SALSA: systematic logic synthesis of approximate circuits]", DAC, 2012.</ref><ref>J. Miao, et al. "[http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.453.7870&rep=rep1&type=pdf Approximate logic synthesis under general error magnitude and frequency constraints]", ICCAD, 2013</ref><ref>R. Hegde et al. "[http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.33.8929&rep=rep1&type=pdf Energy-efficient signal processing via algorithmic noise-tolerance]", ISLPED, 1999.</ref> उदाहरण के लिए, एक अनुमानित मल्टी-बिट योजक [[चेन ले जाना]] को अनदेखा कर सकता है और इस प्रकार, इसके सभी उप-योजक को समानांतर में अतिरिक्त ऑपरेशन करने की अनुमति देता है।
: अनुमानित अंकगणितीय परिपथ:<ref>Jiang et al., "[http://www.ece.ualberta.ca/~jhan8/publications/survey.pdf Approximate Arithmetic Circuits: A Survey, Characterization, and Recent Applications]", the Proceedings of the IEEE, Vol. 108, No. 12, pp. 2108 - 2135, 2020.</ref> [[योजक (इलेक्ट्रॉनिक्स)]],<ref>J. Echavarria, et al. "FAU: Fast and Error-Optimized Approximate Adder Units on LUT-Based FPGAs", FPT, 2016.</ref><ref>J. Miao, et al. "[https://repositories.lib.utexas.edu/bitstream/handle/2152/19706/miao_thesis_201291.pdf?sequence=1 Modeling and synthesis of quality-energy optimal approximate adders]", ICCAD, 2012</ref> [[बाइनरी गुणक]] <ref>{{Cite book|last1=Rehman|first1=Semeen|last2=El-Harouni|first2=Walaa|last3=Shafique|first3=Muhammad|last4=Kumar|first4=Akash|last5=Henkel|first5=Jörg|date=2016-11-07|title=अनुमानित गुणकों का वास्तुशिल्प-अंतरिक्ष अन्वेषण|publisher=ACM|pages=80|doi=10.1145/2966986.2967005|isbn=9781450344661|s2cid=5326133}}</ref> और अन्य [[तार्किक सर्किट|तार्किक परिपथ]] हार्डवेयर ओवरहेड को कम कर सकते हैं।<ref>S. Venkataramani, et al. "[http://algos.inesc-id.pt/projectos/approx/FCT/Ref-15.pdf SALSA: systematic logic synthesis of approximate circuits]", DAC, 2012.</ref><ref>J. Miao, et al. "[http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.453.7870&rep=rep1&type=pdf Approximate logic synthesis under general error magnitude and frequency constraints]", ICCAD, 2013</ref><ref>R. Hegde et al. "[http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.33.8929&rep=rep1&type=pdf Energy-efficient signal processing via algorithmic noise-tolerance]", ISLPED, 1999.</ref> उदाहरण के लिए, अनुमानित मल्टी-बिट योजक [[चेन ले जाना|श्रृंखला]] को अनदेखा कर सकता है और इस प्रकार, इसके सभी उप-योजक को समानांतर में अतिरिक्त संचालन करने की अनुमति देता है।
; अनुमानित भंडारण और मेमोरी
; अनुमानित स्टोरेज और मेमोरी
: [[कंप्यूटर डेटा भंडारण]] मूल्यों के बजाय, उन्हें लगभग संग्रहीत किया जा सकता है, उदाहरण के लिए, [[ तैरनेवाला स्थल ]] डेटा में निचले-बिट्स को [[डेटा काट-छांट]] द्वारा। दूसरा तरीका कम विश्वसनीय मेमोरी को स्वीकार करना है। इसके लिए [[DRAM]] में<ref>{{Cite journal|last1=Raha|first1=A.|last2=Sutar|first2=S.|last3=Jayakumar|first3=H.|last4=Raghunathan|first4=V.|date=July 2017|title=गुणवत्ता विन्यास योग्य अनुमानित DRAM|journal=IEEE Transactions on Computers|volume=66|issue=7|pages=1172–1187|doi=10.1109/TC.2016.2640296|issn=0018-9340|doi-access=free}}</ref> और [[eDRAM]], [[ताज़ा दर]] असाइनमेंट को कम या नियंत्रित किया जा सकता है।<ref>{{Cite journal|last1=Kim|first1=Yongjune|last2=Choi|first2=Won Ho|last3=Guyot|first3=Cyril|last4=Cassuto|first4=Yuval|date=December 2019|title=ऊर्जा-कुशल यादों के लिए इष्टतम ताज़ा पावर आवंटन पर|url=https://ieeexplore.ieee.org/document/9013465|journal=2019 IEEE Global Communications Conference (GLOBECOM)|location=Waikoloa, HI, USA|publisher=IEEE|pages=1–6|doi=10.1109/GLOBECOM38437.2019.9013465|isbn=978-1-7281-0962-6|arxiv=1907.01112|s2cid=195776538}}</ref> [[ स्थैतिक रैंडम-एक्सेस मेमोरी ]] में, आपूर्ति वोल्टेज को कम किया जा सकता है<ref>{{Cite journal|last1=Frustaci|first1=Fabio|last2=Blaauw|first2=David|last3=Sylvester|first3=Dennis|last4=Alioto|first4=Massimo|date=June 2016|title=गतिशील ऊर्जा-गुणवत्ता प्रबंधन के साथ अनुमानित एसआरएएम|url=https://ieeexplore.ieee.org/document/7372479|journal=IEEE Transactions on Very Large Scale Integration (VLSI) Systems|volume=24|issue=6|pages=2128–2141|doi=10.1109/TVLSI.2015.2503733|s2cid=8051173|issn=1063-8210}}</ref> या नियंत्रित.<ref>{{Cite journal|last1=Kim|first1=Yongjune|last2=Kang|first2=Mingu|last3=Varshney|first3=Lav R.|last4=Shanbhag|first4=Naresh R.|date=2018|title=स्रोत-जागरूक ऊर्जा-कुशल एसआरएएम के लिए सामान्यीकृत जल-भरण|url=https://ieeexplore.ieee.org/document/8368137|journal=IEEE Transactions on Communications|volume=66|issue=10|pages=4826–4841|doi=10.1109/TCOMM.2018.2841406|issn=0090-6778|arxiv=1710.07153|s2cid=24512949}}</ref> [[मैग्नेटोरेसिस्टिव रैंडम-एक्सेस मेमोरी]] की उच्च लेखन ऊर्जा खपत को कम करने के लिए अनुमानित भंडारण लागू किया जा सकता है।<ref>{{Cite journal |last1=Kim |first1=Yongjune |last2=Jeon |first2=Yoocharn |last3=Choi |first3=Hyeokjin |last4=Guyot |first4=Cyril |last5=Cassuto |first5=Yuval |date=2022 |title=वैकल्पिक जल-भरण एल्गोरिदम द्वारा एमआरएएम की लेखन निष्ठा को अनुकूलित करना|url=https://ieeexplore.ieee.org/document/9829735 |journal=IEEE Transactions on Communications |volume=70 |issue=9 |pages=5825–5836 |doi=10.1109/TCOMM.2022.3190868 |s2cid=250565077 |issn=0090-6778}}</ref> सामान्य तौर पर, किसी भी त्रुटि का पता लगाने और सुधार तंत्र को अक्षम कर दिया जाना चाहिए।
: [[कंप्यूटर डेटा भंडारण|कंप्यूटर डेटा स्टोरेज]] मूल्यों के अतिरिक्त, उन्हें लगभग संग्रहीत किया जा सकता है, उदाहरण के लिए, [[ तैरनेवाला स्थल |फ़्लोटिंग पॉइंट]] डेटा में निचले-बिट्स को [[डेटा काट-छांट]] द्वारा दूसरा विधि कम विश्वसनीय मेमोरी को स्वीकार करना है। इसके लिए [[DRAM|डीरैम]] में <ref>{{Cite journal|last1=Raha|first1=A.|last2=Sutar|first2=S.|last3=Jayakumar|first3=H.|last4=Raghunathan|first4=V.|date=July 2017|title=गुणवत्ता विन्यास योग्य अनुमानित DRAM|journal=IEEE Transactions on Computers|volume=66|issue=7|pages=1172–1187|doi=10.1109/TC.2016.2640296|issn=0018-9340|doi-access=free}}</ref> और [[eDRAM|ईडीरैम]], [[ताज़ा दर|दर]] असाइनमेंट को कम या नियंत्रित किया जा सकता है।<ref>{{Cite journal|last1=Kim|first1=Yongjune|last2=Choi|first2=Won Ho|last3=Guyot|first3=Cyril|last4=Cassuto|first4=Yuval|date=December 2019|title=ऊर्जा-कुशल यादों के लिए इष्टतम ताज़ा पावर आवंटन पर|url=https://ieeexplore.ieee.org/document/9013465|journal=2019 IEEE Global Communications Conference (GLOBECOM)|location=Waikoloa, HI, USA|publisher=IEEE|pages=1–6|doi=10.1109/GLOBECOM38437.2019.9013465|isbn=978-1-7281-0962-6|arxiv=1907.01112|s2cid=195776538}}</ref> इस प्रकार [[ स्थैतिक रैंडम-एक्सेस मेमोरी |स्थैतिक रैंडम-एक्सेस मेमोरी]] में, आपूर्ति वोल्टेज को कम किया जा सकता है <ref>{{Cite journal|last1=Frustaci|first1=Fabio|last2=Blaauw|first2=David|last3=Sylvester|first3=Dennis|last4=Alioto|first4=Massimo|date=June 2016|title=गतिशील ऊर्जा-गुणवत्ता प्रबंधन के साथ अनुमानित एसआरएएम|url=https://ieeexplore.ieee.org/document/7372479|journal=IEEE Transactions on Very Large Scale Integration (VLSI) Systems|volume=24|issue=6|pages=2128–2141|doi=10.1109/TVLSI.2015.2503733|s2cid=8051173|issn=1063-8210}}</ref> या नियंत्रित.<ref>{{Cite journal|last1=Kim|first1=Yongjune|last2=Kang|first2=Mingu|last3=Varshney|first3=Lav R.|last4=Shanbhag|first4=Naresh R.|date=2018|title=स्रोत-जागरूक ऊर्जा-कुशल एसआरएएम के लिए सामान्यीकृत जल-भरण|url=https://ieeexplore.ieee.org/document/8368137|journal=IEEE Transactions on Communications|volume=66|issue=10|pages=4826–4841|doi=10.1109/TCOMM.2018.2841406|issn=0090-6778|arxiv=1710.07153|s2cid=24512949}}</ref> [[मैग्नेटोरेसिस्टिव रैंडम-एक्सेस मेमोरी]] की उच्च लेखन ऊर्जा खपत को कम करने के लिए अनुमानित स्टोरेज प्रयुक्त किया जा सकता है।<ref>{{Cite journal |last1=Kim |first1=Yongjune |last2=Jeon |first2=Yoocharn |last3=Choi |first3=Hyeokjin |last4=Guyot |first4=Cyril |last5=Cassuto |first5=Yuval |date=2022 |title=वैकल्पिक जल-भरण एल्गोरिदम द्वारा एमआरएएम की लेखन निष्ठा को अनुकूलित करना|url=https://ieeexplore.ieee.org/document/9829735 |journal=IEEE Transactions on Communications |volume=70 |issue=9 |pages=5825–5836 |doi=10.1109/TCOMM.2022.3190868 |s2cid=250565077 |issn=0090-6778}}</ref> सामान्यतः, किसी भी त्रुटि का पता लगाने और सुधार तंत्र को अक्षम कर दिया जाना चाहिए।
; सॉफ़्टवेयर-स्तरीय सन्निकटन
; सॉफ़्टवेयर-स्तरीय सन्निकटन
: सॉफ्टवेयर स्तर पर अनुमान लगाने के कई तरीके हैं। [[संस्मरण]] या फ़ज़ी मेमोइज़ेशन (कैश से अनुमानित पुनर्प्राप्ति के लिए [[वेक्टर डेटाबेस]] का उपयोग, यानी फ़ज़ी कैशिंग) लागू किया जा सकता है। तेजी से परिणाम प्राप्त करने के लिए [[लूप (कंप्यूटिंग)]] के कुछ पुनरावृत्तियों को छोड़ा जा सकता है (जिसे लूप वेध कहा जाता है)। कुछ कार्यों को छोड़ा भी जा सकता है, उदाहरण के लिए जब रन-टाइम स्थिति बताती है कि वे कार्य उपयोगी नहीं होंगे ([[कार्य छोड़ना]])। [[मोंटे कार्लो एल्गोरिथ्म]] और [[यादृच्छिक एल्गोरिथ्म]] निष्पादन समय की गारंटी के लिए शुद्धता का व्यापार करते हैं।<ref>C.Alippi, Intelligence for Embedded Systems: a Methodological approach,  Springer, 2014, pp. 283</ref> गणना को उन प्रतिमानों के अनुसार पुन: तैयार किया जा सकता है जो विशेष हार्डवेयर पर आसानी से त्वरण की अनुमति देते हैं, उदाहरण के लिए एक तंत्रिका प्रसंस्करण इकाई.<ref>{{Cite conference|last1=Esmaeilzadeh|first1=Hadi|last2=Sampson|first2=Adrian|last3=Ceze|first3=Luis|last4=Burger|first4=Doug|title=सामान्य प्रयोजन के अनुमानित कार्यक्रमों के लिए तंत्रिका त्वरण|conference=45th Annual IEEE/ACM International Symposium on Microarchitecture|year=2012|doi=10.1109/MICRO.2012.48|publisher=IEEE|pages=449–460|location=Vancouver, BC}}</ref>
: सॉफ्टवेयर स्तर पर अनुमान लगाने के कई विधि हैं। [[संस्मरण]] या फ़ज़ी मेमोइज़ेशन (कैश से अनुमानित पुनर्प्राप्ति के लिए [[वेक्टर डेटाबेस]] का उपयोग, अर्थात फ़ज़ी कैशिंग) प्रयुक्त किया जा सकता है। तेजी से परिणाम प्राप्त करने के लिए [[लूप (कंप्यूटिंग)]] के कुछ पुनरावृत्तियों को छोड़ा जा सकता है (जिसे लूप वेध कहा जाता है)। इस प्रकार कुछ कार्यों को छोड़ा भी जा सकता है, उदाहरण के लिए जब रन-टाइम स्थिति बताती है कि वे कार्य उपयोगी नहीं होते है । [[मोंटे कार्लो एल्गोरिथ्म]] और [[यादृच्छिक एल्गोरिथ्म]] निष्पादन समय की गारंटी के लिए शुद्धता का व्यापार करते हैं।<ref>C.Alippi, Intelligence for Embedded Systems: a Methodological approach,  Springer, 2014, pp. 283</ref> इस प्रकार गणना को उन प्रतिमानों के अनुसार पुन: तैयार किया जा सकता है जो विशेष हार्डवेयर पर सरलता से त्वरण की अनुमति देते हैं, उदाहरण के लिए तंत्रिका प्रसंस्करण इकाई का उपयोग किया जाता है.<ref>{{Cite conference|last1=Esmaeilzadeh|first1=Hadi|last2=Sampson|first2=Adrian|last3=Ceze|first3=Luis|last4=Burger|first4=Doug|title=सामान्य प्रयोजन के अनुमानित कार्यक्रमों के लिए तंत्रिका त्वरण|conference=45th Annual IEEE/ACM International Symposium on Microarchitecture|year=2012|doi=10.1109/MICRO.2012.48|publisher=IEEE|pages=449–460|location=Vancouver, BC}}</ref>
; अनुमानित प्रणाली
; अनुमानित सिस्टम
: एक अनुमानित प्रणाली में,<ref>{{Cite journal|last1=Raha|first1=Arnab|last2=Raghunathan|first2=Vijay|date=2017|title=Towards Full-System Energy-Accuracy Tradeoffs: A Case Study of An Approximate Smart Camera System|journal=Proceedings of the 54th Annual Design Automation Conference 2017|series=DAC '17|location=New York, NY, USA|publisher=ACM|pages=74:1–74:6|doi=10.1145/3061639.3062333|isbn=9781450349277|s2cid=2503638}}</ref> सिस्टम के विभिन्न उप-प्रणालियों जैसे कि प्रोसेसर, मेमोरी, सेंसर और संचार मॉड्यूल को प्रत्येक उप-प्रणाली के अलग-अलग अनुमानों की तुलना में बेहतर सिस्टम-स्तरीय क्यू-ई ट्रेड-ऑफ वक्र प्राप्त करने के लिए सहक्रियात्मक रूप से अनुमानित किया जाता है।
: एक अनुमानित सिस्टम में,<ref>{{Cite journal|last1=Raha|first1=Arnab|last2=Raghunathan|first2=Vijay|date=2017|title=Towards Full-System Energy-Accuracy Tradeoffs: A Case Study of An Approximate Smart Camera System|journal=Proceedings of the 54th Annual Design Automation Conference 2017|series=DAC '17|location=New York, NY, USA|publisher=ACM|pages=74:1–74:6|doi=10.1145/3061639.3062333|isbn=9781450349277|s2cid=2503638}}</ref> सिस्टम के विभिन्न उप-प्रणालियों जैसे कि प्रोसेसर, मेमोरी, सेंसर और संचार मॉड्यूल को प्रत्येक उप-सिस्टम के अलग-अलग अनुमानों की तुलना में उत्तम सिस्टम-स्तरीय क्यू-ई ट्रेड-ऑफ वक्र प्राप्त करने के लिए सहक्रियात्मक रूप से अनुमानित किया जाता है।
 
==आवेदन क्षेत्र==
अनुमानित कंप्यूटिंग का उपयोग विभिन्न डोमेन में किया गया है जहां अनुप्रयोग त्रुटि-सहिष्णु हैं, जैसे [[मल्टीमीडिया]] प्रोसेसिंग, [[ यंत्र अधिगम ]], [[ संकेत आगे बढ़ाना ]], [[कम्प्यूटेशनल विज्ञान]]। इसलिए, अनुमानित कंप्यूटिंग ज्यादातर उन अनुप्रयोगों द्वारा संचालित होती है जो मानवीय धारणा/अनुभूति से संबंधित हैं और अंतर्निहित त्रुटि लचीलापन है। इनमें से कई अनुप्रयोग सांख्यिकीय या संभाव्य गणना पर आधारित हैं, जैसे कि वांछित उद्देश्यों को बेहतर ढंग से पूरा करने के लिए अलग-अलग अनुमान लगाए जा सकते हैं।<ref>{{cite journal |last1=Liu |first1=Weiqiang |last2=Lombardi |first2=Fabrizio |last3=Schulte |first3=Michael |title=Approximate Computing: From Circuits to Applications |journal=Proceedings of the IEEE |date=Dec 2020 |volume=108 |issue=12 |page=2103 |doi=10.1109/JPROC.2020.3033361 |doi-access=free }}</ref>
मशीन लर्निंग में एक उल्लेखनीय अनुप्रयोग यह है कि Google इस दृष्टिकोण का उपयोग अपनी [[टेंसर प्रसंस्करण इकाई]] (टीपीयू, एक कस्टम एएसआईसी) में कर रहा है। <ref>{{cite journal |last1=Liu |first1=Weiqiang |last2=Lombardi |first2=Fabrizio |last3=Schulte |first3=Michael |title=Approximate Computing: From Circuits to Applications |journal=Proceedings of the IEEE |date=Dec 2020 |volume=108 |issue=12 |page=2104 |doi=10.1109/JPROC.2020.3033361 |doi-access=free }}</ref>
 


==अनुप्रयोग क्षेत्र                                                                                                                                                                                                                                                                                        ==
अनुमानित कंप्यूटिंग का उपयोग विभिन्न डोमेन में किया गया है जहां अनुप्रयोग त्रुटि-सहिष्णु हैं, जैसे [[मल्टीमीडिया]] प्रोसेसिंग, [[ यंत्र अधिगम |यंत्र अधिगम]] , [[ संकेत आगे बढ़ाना |संकेत आगे बढ़ाना]] , [[कम्प्यूटेशनल विज्ञान]] का उपयोग किया जाता है इसलिए, अनुमानित कंप्यूटिंग अधिकतर उन अनुप्रयोगों द्वारा संचालित होती है जो मानवीय धारणा/अनुभूति से संबंधित हैं और अंतर्निहित त्रुटि है। इनमें से कई अनुप्रयोग सांख्यिकीय या संभाव्य गणना पर आधारित हैं, जैसे कि वांछित उद्देश्यों को उत्तम विधि से पूरा करने के लिए अलग-अलग अनुमान लगाए जा सकते हैं।<ref>{{cite journal |last1=Liu |first1=Weiqiang |last2=Lombardi |first2=Fabrizio |last3=Schulte |first3=Michael |title=Approximate Computing: From Circuits to Applications |journal=Proceedings of the IEEE |date=Dec 2020 |volume=108 |issue=12 |page=2103 |doi=10.1109/JPROC.2020.3033361 |doi-access=free }}</ref> इस प्रकार मशीन लर्निंग में उल्लेखनीय अनुप्रयोग यह है कि गूगल इस दृष्टिकोण का उपयोग अपनी [[टेंसर प्रसंस्करण इकाई]] (टीपीयू, कस्टम एएसआईसी) में कर रहा है। <ref>{{cite journal |last1=Liu |first1=Weiqiang |last2=Lombardi |first2=Fabrizio |last3=Schulte |first3=Michael |title=Approximate Computing: From Circuits to Applications |journal=Proceedings of the IEEE |date=Dec 2020 |volume=108 |issue=12 |page=2104 |doi=10.1109/JPROC.2020.3033361 |doi-access=free }}</ref>
==व्युत्पन्न प्रतिमान==
==व्युत्पन्न प्रतिमान==
अनुमानित कंप्यूटिंग में मुख्य मुद्दा एप्लिकेशन के उस अनुभाग की पहचान है जिसका अनुमान लगाया जा सकता है। बड़े पैमाने पर अनुप्रयोगों के मामले में, अनुमानित कंप्यूटिंग तकनीकों पर विशेषज्ञता रखने वाले लोगों को एप्लिकेशन डोमेन (और इसके विपरीत) पर पर्याप्त विशेषज्ञता नहीं होना बहुत आम है। इस समस्या को हल करने के लिए, [[प्रोग्रामिंग प्रतिमान]]<ref>{{cite journal|last1=Nguyen|first1=Donald|last2=Lenharth|first2=Andrew|last3=Pingali|first3=Keshav|title=ग्राफ विश्लेषण के लिए एक हल्का बुनियादी ढांचा|journal=Proceedings of the Twenty-Fourth ACM Symposium on Operating Systems Principles|date=2013|pages=456–471|publisher=ACM|language=en|url=https://dl.acm.org/ft_gateway.cfm?id=2522739|doi=10.1145/2517349.2522739|isbn=9781450323888|doi-access=free}}</ref> प्रस्तावित किया गया है। उन सभी में एप्लिकेशन [[प्रोग्रामर]] और एप्लिकेशन [[डोमेन विशेषज्ञ]] के बीच स्पष्ट भूमिका पृथक्करण समान है। ये दृष्टिकोण सबसे सामान्य प्रोग्राम अनुकूलन और अनुमानित कंप्यूटिंग तकनीकों के प्रसार की अनुमति देते हैं।
अनुमानित कंप्यूटिंग में मुख्य कथन एप्लिकेशन के उस अनुभाग की पहचान है जिसका अनुमान लगाया जा सकता है। बड़े मापदंड पर अनुप्रयोगों के स्थिति में, अनुमानित कंप्यूटिंग तकनीकों पर विशेषज्ञता रखने वाले लोगों को एप्लिकेशन डोमेन (और इसके विपरीत) पर पर्याप्त विशेषज्ञता नहीं होना बहुत सामान्य है। इस समस्या को हल करने के लिए, [[प्रोग्रामिंग प्रतिमान]] <ref>{{cite journal|last1=Nguyen|first1=Donald|last2=Lenharth|first2=Andrew|last3=Pingali|first3=Keshav|title=ग्राफ विश्लेषण के लिए एक हल्का बुनियादी ढांचा|journal=Proceedings of the Twenty-Fourth ACM Symposium on Operating Systems Principles|date=2013|pages=456–471|publisher=ACM|language=en|url=https://dl.acm.org/ft_gateway.cfm?id=2522739|doi=10.1145/2517349.2522739|isbn=9781450323888|doi-access=free}}</ref> प्रस्तावित किया गया है। इस प्रकार उन सभी में एप्लिकेशन [[प्रोग्रामर]] और एप्लिकेशन [[डोमेन विशेषज्ञ]] के बीच स्पष्ट भूमिका पृथक्करण समान है। ये दृष्टिकोण सबसे सामान्य प्रोग्राम अनुकूलन और अनुमानित कंप्यूटिंग तकनीकों के प्रसार की अनुमति देते हैं।


==यह भी देखें==
==यह भी देखें                                                                                                                                                                                                                 ==
* [[कृत्रिम तंत्रिका नेटवर्क]]
* [[कृत्रिम तंत्रिका नेटवर्क]]
* [[मेटाह्यूरिस्टिक]]
* [[मेटाह्यूरिस्टिक]]
Line 33: Line 30:


<!---->
<!---->
[[Category: सॉफ्टवेयर अनुकूलन]] [[Category: कंप्यूटर आर्किटेक्चर]] [[Category: अनुमान]]


[[Category: Machine Translated Page]]
[[Category:CS1 English-language sources (en)]]
[[Category:Created On 08/07/2023]]
[[Category:Created On 08/07/2023]]
[[Category:Lua-based templates]]
[[Category:Machine Translated Page]]
[[Category:Pages with script errors]]
[[Category:Templates Vigyan Ready]]
[[Category:Templates that add a tracking category]]
[[Category:Templates that generate short descriptions]]
[[Category:Templates using TemplateData]]
[[Category:अनुमान]]
[[Category:कंप्यूटर आर्किटेक्चर]]
[[Category:सॉफ्टवेयर अनुकूलन]]

Latest revision as of 15:15, 28 July 2023

अनुमानित कंप्यूटिंग ऊर्जा-कुशल और/या उच्च-प्रदर्शन डिजाइन के लिए उभरता हुआ प्रतिमान है।[1] इसमें अधिक गणना तकनीकें सम्मिलित हैं जो गारंटीकृत स्पष्ट परिणाम के अतिरिक्त संभावित रूप से गलत परिणाम देती हैं, और इसका उपयोग उन अनुप्रयोगों के लिए किया जा सकता है जहां अनुमानित परिणाम इसके उद्देश्य के लिए पर्याप्त है।[2] इस प्रकार ऐसी स्थिति का उदाहरण खोज इंजन के लिए है जहां निश्चित खोज क्वेरी के लिए कोई स्पष्ट उत्तर उपस्थित नहीं हो सकता है और इसलिए, कई उत्तर स्वीकार्य हो सकते हैं। इसी प्रकार, किसी वीडियो एप्लिकेशन में कभी-कभी कुछ फ़्रेम (वीडियो) का गिरना मनुष्यों की अवधारणात्मक सीमाओं के कारण पता नहीं चल पाता है। अनुमानित कंप्यूटिंग इस अवलोकन पर आधारित है कि कई परिदृश्यों में, चूँकि स्पष्ट गणना करने के लिए बड़ी मात्रा में संसाधनों की आवश्यकता होती है, इस प्रकार अनुमानित सिद्धांत स्वीकार्य परिणाम स्पष्टता प्राप्त करते हुए प्रदर्शन और ऊर्जा में असंगत लाभ प्रदान कर सकता है। उदाहरण के लिए, k-मीन्स क्लस्टरिंग या k-मीन्स क्लस्टरिंग एल्गोरिदम में, वर्गीकरण स्पष्टता में केवल 5% हानि की अनुमति देकर पूरी तरह से स्पष्ट वर्गीकरण की तुलना में 50 गुना ऊर्जा बचत प्रदान की जा सकती है।

अनुमानित कंप्यूटिंग में मुख्य आवश्यकता यह है कि सन्निकटन केवल गैर-महत्वपूर्ण डेटा में प्रस्तुत किया जा सकता है, क्योंकि महत्वपूर्ण डेटा (जैसे, नियंत्रण संचालन) का अनुमान लगाने से प्रोग्राम क्रैश या गलत आउटपुट जैसे विनाशकारी परिणाम हो सकते हैं।

स्ट्रेटजीस

अनुमानित कंप्यूटिंग निष्पादित करने के लिए कई रणनीतियों का उपयोग किया जा सकता है।

अनुमानित परिपथ
अनुमानित अंकगणितीय परिपथ:[3] योजक (इलेक्ट्रॉनिक्स),[4][5] बाइनरी गुणक [6] और अन्य तार्किक परिपथ हार्डवेयर ओवरहेड को कम कर सकते हैं।[7][8][9] उदाहरण के लिए, अनुमानित मल्टी-बिट योजक श्रृंखला को अनदेखा कर सकता है और इस प्रकार, इसके सभी उप-योजक को समानांतर में अतिरिक्त संचालन करने की अनुमति देता है।
अनुमानित स्टोरेज और मेमोरी
कंप्यूटर डेटा स्टोरेज मूल्यों के अतिरिक्त, उन्हें लगभग संग्रहीत किया जा सकता है, उदाहरण के लिए, फ़्लोटिंग पॉइंट डेटा में निचले-बिट्स को डेटा काट-छांट द्वारा दूसरा विधि कम विश्वसनीय मेमोरी को स्वीकार करना है। इसके लिए डीरैम में [10] और ईडीरैम, दर असाइनमेंट को कम या नियंत्रित किया जा सकता है।[11] इस प्रकार स्थैतिक रैंडम-एक्सेस मेमोरी में, आपूर्ति वोल्टेज को कम किया जा सकता है [12] या नियंत्रित.[13] मैग्नेटोरेसिस्टिव रैंडम-एक्सेस मेमोरी की उच्च लेखन ऊर्जा खपत को कम करने के लिए अनुमानित स्टोरेज प्रयुक्त किया जा सकता है।[14] सामान्यतः, किसी भी त्रुटि का पता लगाने और सुधार तंत्र को अक्षम कर दिया जाना चाहिए।
सॉफ़्टवेयर-स्तरीय सन्निकटन
सॉफ्टवेयर स्तर पर अनुमान लगाने के कई विधि हैं। संस्मरण या फ़ज़ी मेमोइज़ेशन (कैश से अनुमानित पुनर्प्राप्ति के लिए वेक्टर डेटाबेस का उपयोग, अर्थात फ़ज़ी कैशिंग) प्रयुक्त किया जा सकता है। तेजी से परिणाम प्राप्त करने के लिए लूप (कंप्यूटिंग) के कुछ पुनरावृत्तियों को छोड़ा जा सकता है (जिसे लूप वेध कहा जाता है)। इस प्रकार कुछ कार्यों को छोड़ा भी जा सकता है, उदाहरण के लिए जब रन-टाइम स्थिति बताती है कि वे कार्य उपयोगी नहीं होते है । मोंटे कार्लो एल्गोरिथ्म और यादृच्छिक एल्गोरिथ्म निष्पादन समय की गारंटी के लिए शुद्धता का व्यापार करते हैं।[15] इस प्रकार गणना को उन प्रतिमानों के अनुसार पुन: तैयार किया जा सकता है जो विशेष हार्डवेयर पर सरलता से त्वरण की अनुमति देते हैं, उदाहरण के लिए तंत्रिका प्रसंस्करण इकाई का उपयोग किया जाता है.[16]
अनुमानित सिस्टम
एक अनुमानित सिस्टम में,[17] सिस्टम के विभिन्न उप-प्रणालियों जैसे कि प्रोसेसर, मेमोरी, सेंसर और संचार मॉड्यूल को प्रत्येक उप-सिस्टम के अलग-अलग अनुमानों की तुलना में उत्तम सिस्टम-स्तरीय क्यू-ई ट्रेड-ऑफ वक्र प्राप्त करने के लिए सहक्रियात्मक रूप से अनुमानित किया जाता है।

अनुप्रयोग क्षेत्र

अनुमानित कंप्यूटिंग का उपयोग विभिन्न डोमेन में किया गया है जहां अनुप्रयोग त्रुटि-सहिष्णु हैं, जैसे मल्टीमीडिया प्रोसेसिंग, यंत्र अधिगम , संकेत आगे बढ़ाना , कम्प्यूटेशनल विज्ञान का उपयोग किया जाता है इसलिए, अनुमानित कंप्यूटिंग अधिकतर उन अनुप्रयोगों द्वारा संचालित होती है जो मानवीय धारणा/अनुभूति से संबंधित हैं और अंतर्निहित त्रुटि है। इनमें से कई अनुप्रयोग सांख्यिकीय या संभाव्य गणना पर आधारित हैं, जैसे कि वांछित उद्देश्यों को उत्तम विधि से पूरा करने के लिए अलग-अलग अनुमान लगाए जा सकते हैं।[18] इस प्रकार मशीन लर्निंग में उल्लेखनीय अनुप्रयोग यह है कि गूगल इस दृष्टिकोण का उपयोग अपनी टेंसर प्रसंस्करण इकाई (टीपीयू, कस्टम एएसआईसी) में कर रहा है। [19]

व्युत्पन्न प्रतिमान

अनुमानित कंप्यूटिंग में मुख्य कथन एप्लिकेशन के उस अनुभाग की पहचान है जिसका अनुमान लगाया जा सकता है। बड़े मापदंड पर अनुप्रयोगों के स्थिति में, अनुमानित कंप्यूटिंग तकनीकों पर विशेषज्ञता रखने वाले लोगों को एप्लिकेशन डोमेन (और इसके विपरीत) पर पर्याप्त विशेषज्ञता नहीं होना बहुत सामान्य है। इस समस्या को हल करने के लिए, प्रोग्रामिंग प्रतिमान [20] प्रस्तावित किया गया है। इस प्रकार उन सभी में एप्लिकेशन प्रोग्रामर और एप्लिकेशन डोमेन विशेषज्ञ के बीच स्पष्ट भूमिका पृथक्करण समान है। ये दृष्टिकोण सबसे सामान्य प्रोग्राम अनुकूलन और अनुमानित कंप्यूटिंग तकनीकों के प्रसार की अनुमति देते हैं।

यह भी देखें

संदर्भ

  1. J. Han and M. Orshansky, "Approximate computing: An emerging paradigm for energy-efficient design", in the 18th IEEE European Test Symposium, pp. 1-6, 2013.
  2. A. Sampson, et al. "EnerJ: Approximate data types for safe and general low-power computation", In ACM SIGPLAN Notices, vol. 46, no. 6, 2011.
  3. Jiang et al., "Approximate Arithmetic Circuits: A Survey, Characterization, and Recent Applications", the Proceedings of the IEEE, Vol. 108, No. 12, pp. 2108 - 2135, 2020.
  4. J. Echavarria, et al. "FAU: Fast and Error-Optimized Approximate Adder Units on LUT-Based FPGAs", FPT, 2016.
  5. J. Miao, et al. "Modeling and synthesis of quality-energy optimal approximate adders", ICCAD, 2012
  6. Rehman, Semeen; El-Harouni, Walaa; Shafique, Muhammad; Kumar, Akash; Henkel, Jörg (2016-11-07). अनुमानित गुणकों का वास्तुशिल्प-अंतरिक्ष अन्वेषण. ACM. p. 80. doi:10.1145/2966986.2967005. ISBN 9781450344661. S2CID 5326133.
  7. S. Venkataramani, et al. "SALSA: systematic logic synthesis of approximate circuits", DAC, 2012.
  8. J. Miao, et al. "Approximate logic synthesis under general error magnitude and frequency constraints", ICCAD, 2013
  9. R. Hegde et al. "Energy-efficient signal processing via algorithmic noise-tolerance", ISLPED, 1999.
  10. Raha, A.; Sutar, S.; Jayakumar, H.; Raghunathan, V. (July 2017). "गुणवत्ता विन्यास योग्य अनुमानित DRAM". IEEE Transactions on Computers. 66 (7): 1172–1187. doi:10.1109/TC.2016.2640296. ISSN 0018-9340.
  11. Kim, Yongjune; Choi, Won Ho; Guyot, Cyril; Cassuto, Yuval (December 2019). "ऊर्जा-कुशल यादों के लिए इष्टतम ताज़ा पावर आवंटन पर". 2019 IEEE Global Communications Conference (GLOBECOM). Waikoloa, HI, USA: IEEE: 1–6. arXiv:1907.01112. doi:10.1109/GLOBECOM38437.2019.9013465. ISBN 978-1-7281-0962-6. S2CID 195776538.
  12. Frustaci, Fabio; Blaauw, David; Sylvester, Dennis; Alioto, Massimo (June 2016). "गतिशील ऊर्जा-गुणवत्ता प्रबंधन के साथ अनुमानित एसआरएएम". IEEE Transactions on Very Large Scale Integration (VLSI) Systems. 24 (6): 2128–2141. doi:10.1109/TVLSI.2015.2503733. ISSN 1063-8210. S2CID 8051173.
  13. Kim, Yongjune; Kang, Mingu; Varshney, Lav R.; Shanbhag, Naresh R. (2018). "स्रोत-जागरूक ऊर्जा-कुशल एसआरएएम के लिए सामान्यीकृत जल-भरण". IEEE Transactions on Communications. 66 (10): 4826–4841. arXiv:1710.07153. doi:10.1109/TCOMM.2018.2841406. ISSN 0090-6778. S2CID 24512949.
  14. Kim, Yongjune; Jeon, Yoocharn; Choi, Hyeokjin; Guyot, Cyril; Cassuto, Yuval (2022). "वैकल्पिक जल-भरण एल्गोरिदम द्वारा एमआरएएम की लेखन निष्ठा को अनुकूलित करना". IEEE Transactions on Communications. 70 (9): 5825–5836. doi:10.1109/TCOMM.2022.3190868. ISSN 0090-6778. S2CID 250565077.
  15. C.Alippi, Intelligence for Embedded Systems: a Methodological approach, Springer, 2014, pp. 283
  16. Esmaeilzadeh, Hadi; Sampson, Adrian; Ceze, Luis; Burger, Doug (2012). सामान्य प्रयोजन के अनुमानित कार्यक्रमों के लिए तंत्रिका त्वरण. 45th Annual IEEE/ACM International Symposium on Microarchitecture. Vancouver, BC: IEEE. pp. 449–460. doi:10.1109/MICRO.2012.48.
  17. Raha, Arnab; Raghunathan, Vijay (2017). "Towards Full-System Energy-Accuracy Tradeoffs: A Case Study of An Approximate Smart Camera System". Proceedings of the 54th Annual Design Automation Conference 2017. DAC '17. New York, NY, USA: ACM: 74:1–74:6. doi:10.1145/3061639.3062333. ISBN 9781450349277. S2CID 2503638.
  18. Liu, Weiqiang; Lombardi, Fabrizio; Schulte, Michael (Dec 2020). "Approximate Computing: From Circuits to Applications". Proceedings of the IEEE. 108 (12): 2103. doi:10.1109/JPROC.2020.3033361.
  19. Liu, Weiqiang; Lombardi, Fabrizio; Schulte, Michael (Dec 2020). "Approximate Computing: From Circuits to Applications". Proceedings of the IEEE. 108 (12): 2104. doi:10.1109/JPROC.2020.3033361.
  20. Nguyen, Donald; Lenharth, Andrew; Pingali, Keshav (2013). "ग्राफ विश्लेषण के लिए एक हल्का बुनियादी ढांचा". Proceedings of the Twenty-Fourth ACM Symposium on Operating Systems Principles (in English). ACM: 456–471. doi:10.1145/2517349.2522739. ISBN 9781450323888.