[G5]deview 2012 m_arc

•

0 gostou•903 visualizações

2.1

ARC

2.2

Reuse

distance

2.3

Observation

Problem

3.1

Challenge

3.2

M-ARC

4.1

Recomendados

[F5]deview 2012 nspeed

[F5]deview 2012 nspeed

[F5]deview 2012 nspeedNAVER D2

111 n grinder-deview_day1_track1_session_1_ver_2

111 n grinder-deview_day1_track1_session_1_ver_2

111 n grinder-deview_day1_track1_session_1_ver_2NAVER D2

[D2 CAMPUS] 부산대 Alcall 프로그래밍 경시대회 문제

[D2 CAMPUS] 부산대 Alcall 프로그래밍 경시대회 문제

[D2 CAMPUS] 부산대 Alcall 프로그래밍 경시대회 문제NAVER D2

[D2 CAMPUS] 숭실대 SCCC 프로그래밍 경시대회 문제 풀이

[D2 CAMPUS] 숭실대 SCCC 프로그래밍 경시대회 문제 풀이

[D2 CAMPUS] 숭실대 SCCC 프로그래밍 경시대회 문제 풀이NAVER D2

오픈소스 맛보기 - 정민우님

오픈소스 맛보기 - 정민우님

오픈소스 맛보기 - 정민우님NAVER D2

[D2 CAMPUS] 분야별 모임 '보안' 발표자료

[D2 CAMPUS] 분야별 모임 '보안' 발표자료

[D2 CAMPUS] 분야별 모임 '보안' 발표자료NAVER D2

[D2 CAMPUS] 부산대 Alcall 프로그래밍 경시대회 문제 풀이

[D2 CAMPUS] 부산대 Alcall 프로그래밍 경시대회 문제 풀이

[D2 CAMPUS] 부산대 Alcall 프로그래밍 경시대회 문제 풀이NAVER D2

오픈소스 SW 라이선스 - 박은정님

오픈소스 SW 라이선스 - 박은정님

오픈소스 SW 라이선스 - 박은정님NAVER D2

Recomendados

[F5]deview 2012 nspeed

[F5]deview 2012 nspeed

[F5]deview 2012 nspeedNAVER D2

111 n grinder-deview_day1_track1_session_1_ver_2

111 n grinder-deview_day1_track1_session_1_ver_2

111 n grinder-deview_day1_track1_session_1_ver_2NAVER D2

[D2 CAMPUS] 부산대 Alcall 프로그래밍 경시대회 문제

[D2 CAMPUS] 부산대 Alcall 프로그래밍 경시대회 문제

[D2 CAMPUS] 부산대 Alcall 프로그래밍 경시대회 문제NAVER D2

[D2 CAMPUS] 숭실대 SCCC 프로그래밍 경시대회 문제 풀이

[D2 CAMPUS] 숭실대 SCCC 프로그래밍 경시대회 문제 풀이

[D2 CAMPUS] 숭실대 SCCC 프로그래밍 경시대회 문제 풀이NAVER D2

오픈소스 맛보기 - 정민우님

오픈소스 맛보기 - 정민우님

오픈소스 맛보기 - 정민우님NAVER D2

[D2 CAMPUS] 분야별 모임 '보안' 발표자료

[D2 CAMPUS] 분야별 모임 '보안' 발표자료

[D2 CAMPUS] 분야별 모임 '보안' 발표자료NAVER D2

[D2 CAMPUS] 부산대 Alcall 프로그래밍 경시대회 문제 풀이

[D2 CAMPUS] 부산대 Alcall 프로그래밍 경시대회 문제 풀이

[D2 CAMPUS] 부산대 Alcall 프로그래밍 경시대회 문제 풀이NAVER D2

오픈소스 SW 라이선스 - 박은정님

오픈소스 SW 라이선스 - 박은정님

오픈소스 SW 라이선스 - 박은정님NAVER D2

Steel Column Details

Steel Column Details

Steel Column Detailsmariacadtech

23 1-3191-03-fa534

23 1-3191-03-fa534

23 1-3191-03-fa534Kamil Kamil

Etude for Clarinet & Piano

Etude for Clarinet & Piano

Etude for Clarinet & PianoRichard Walker

North Central Pa Hiking Trails

North Central Pa Hiking Trails

North Central Pa Hiking Trailskevinburkman

Vox Populimabbagliati

NYC Hurricane Evacuation Map

NYC Hurricane Evacuation Map

NYC Hurricane Evacuation MapZeb Dropkin

UPDATED: Bond Swes Plan0

UPDATED: Bond Swes Plan0

UPDATED: Bond Swes Plan0Mills Rep

A5 aint she sweet

A5 aint she sweet

A5 aint she sweetcantaschor

LVTB Feasibility Study 110608

LVTB Feasibility Study 110608

LVTB Feasibility Study 110608Ligonier Valley Trail

Capital Healthhgillismac

DHA 9hgillismac

Contestando al llamado_songsheet

Contestando al llamado_songsheet

Contestando al llamado_songsheetMinisterio Infantil Arcoiris

Contestando al llamado

Contestando al llamado

Contestando al llamadoMinisterio Infantil Arcoiris

Algonquin with notes

Algonquin with notes

Algonquin with notessteevedoubt

Mi Ciudadleister27

Why I Am Passionate About Perl

Why I Am Passionate About Perl

Why I Am Passionate About Perlbrian d foy

Retension Process Black Belt Project Storyboard

Retension Process Black Belt Project Storyboard

Retension Process Black Belt Project StoryboardRollin F. Jackson, MBA, PhD (LtCol USMC)

Lean Six Sigma Black Belt Project Storyboard - The Retension Process

Lean Six Sigma Black Belt Project Storyboard - The Retension Process

Lean Six Sigma Black Belt Project Storyboard - The Retension ProcessRollin F. Jackson, MBA, PhD (LtCol USMC)

Historic Triangle Map

Historic Triangle Map

Historic Triangle Maprhokel

Marcs Bannerwholmes3

[211] 인공지능이 인공지능 챗봇을 만든다

[211] 인공지능이 인공지능 챗봇을 만든다

[211] 인공지능이 인공지능 챗봇을 만든다NAVER D2

[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...

[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...

[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...NAVER D2

Mais conteúdo relacionado

Semelhante a [G5]deview 2012 m_arc

Steel Column Details

Steel Column Details

Steel Column Detailsmariacadtech

23 1-3191-03-fa534

23 1-3191-03-fa534

23 1-3191-03-fa534Kamil Kamil

Etude for Clarinet & Piano

Etude for Clarinet & Piano

Etude for Clarinet & PianoRichard Walker

North Central Pa Hiking Trails

North Central Pa Hiking Trails

North Central Pa Hiking Trailskevinburkman

Vox Populimabbagliati

NYC Hurricane Evacuation Map

NYC Hurricane Evacuation Map

NYC Hurricane Evacuation MapZeb Dropkin

UPDATED: Bond Swes Plan0

UPDATED: Bond Swes Plan0

UPDATED: Bond Swes Plan0Mills Rep

A5 aint she sweet

A5 aint she sweet

A5 aint she sweetcantaschor

LVTB Feasibility Study 110608

LVTB Feasibility Study 110608

LVTB Feasibility Study 110608Ligonier Valley Trail

Capital Healthhgillismac

DHA 9hgillismac

Contestando al llamado_songsheet

Contestando al llamado_songsheet

Contestando al llamado_songsheetMinisterio Infantil Arcoiris

Contestando al llamado

Contestando al llamado

Contestando al llamadoMinisterio Infantil Arcoiris

Algonquin with notes

Algonquin with notes

Algonquin with notessteevedoubt

Mi Ciudadleister27

Why I Am Passionate About Perl

Why I Am Passionate About Perl

Why I Am Passionate About Perlbrian d foy

Retension Process Black Belt Project Storyboard

Retension Process Black Belt Project Storyboard

Retension Process Black Belt Project StoryboardRollin F. Jackson, MBA, PhD (LtCol USMC)

Lean Six Sigma Black Belt Project Storyboard - The Retension Process

Lean Six Sigma Black Belt Project Storyboard - The Retension Process

Lean Six Sigma Black Belt Project Storyboard - The Retension ProcessRollin F. Jackson, MBA, PhD (LtCol USMC)

Historic Triangle Map

Historic Triangle Map

Historic Triangle Maprhokel

Marcs Bannerwholmes3

Semelhante a [G5]deview 2012 m_arc (20)

Steel Column Details

Steel Column Details

Steel Column Details

23 1-3191-03-fa534

23 1-3191-03-fa534

23 1-3191-03-fa534

Etude for Clarinet & Piano

Etude for Clarinet & Piano

Etude for Clarinet & Piano

North Central Pa Hiking Trails

North Central Pa Hiking Trails

North Central Pa Hiking Trails

Vox Populi

NYC Hurricane Evacuation Map

NYC Hurricane Evacuation Map

NYC Hurricane Evacuation Map

UPDATED: Bond Swes Plan0

UPDATED: Bond Swes Plan0

UPDATED: Bond Swes Plan0

A5 aint she sweet

A5 aint she sweet

A5 aint she sweet

LVTB Feasibility Study 110608

LVTB Feasibility Study 110608

LVTB Feasibility Study 110608

Capital Health

DHA 9

Contestando al llamado_songsheet

Contestando al llamado_songsheet

Contestando al llamado_songsheet

Contestando al llamado

Contestando al llamado

Contestando al llamado

Algonquin with notes

Algonquin with notes

Algonquin with notes

Mi Ciudad

Why I Am Passionate About Perl

Why I Am Passionate About Perl

Why I Am Passionate About Perl

Retension Process Black Belt Project Storyboard

Retension Process Black Belt Project Storyboard

Retension Process Black Belt Project Storyboard

Lean Six Sigma Black Belt Project Storyboard - The Retension Process

Lean Six Sigma Black Belt Project Storyboard - The Retension Process

Lean Six Sigma Black Belt Project Storyboard - The Retension Process

Historic Triangle Map

Historic Triangle Map

Historic Triangle Map

Marcs Banner

Mais de NAVER D2

[211] 인공지능이 인공지능 챗봇을 만든다

[211] 인공지능이 인공지능 챗봇을 만든다

[211] 인공지능이 인공지능 챗봇을 만든다NAVER D2

[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...

[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...

[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...NAVER D2

[215] Druid로 쉽고 빠르게 데이터 분석하기

[215] Druid로 쉽고 빠르게 데이터 분석하기

[215] Druid로 쉽고 빠르게 데이터 분석하기NAVER D2

[245]Papago Internals: 모델분석과 응용기술 개발

[245]Papago Internals: 모델분석과 응용기술 개발

[245]Papago Internals: 모델분석과 응용기술 개발NAVER D2

[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈

[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈

[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈NAVER D2

[235]Wikipedia-scale Q&A

[235]Wikipedia-scale Q&A

[235]Wikipedia-scale Q&ANAVER D2

[244]로봇이 현실 세계에 대해 학습하도록 만들기

[244]로봇이 현실 세계에 대해 학습하도록 만들기

[244]로봇이 현실 세계에 대해 학습하도록 만들기NAVER D2

[243] Deep Learning to help student’s Deep Learning

[243] Deep Learning to help student’s Deep Learning

[243] Deep Learning to help student’s Deep LearningNAVER D2

[234]Fast & Accurate Data Annotation Pipeline for AI applications

[234]Fast & Accurate Data Annotation Pipeline for AI applications

[234]Fast & Accurate Data Annotation Pipeline for AI applicationsNAVER D2

Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing

Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing

Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load BalancingNAVER D2

[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지

[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지

[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지NAVER D2

[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기

[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기

[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기NAVER D2

[224]네이버 검색과 개인화

[224]네이버 검색과 개인화

[224]네이버 검색과 개인화NAVER D2

[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)

[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)

[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)NAVER D2

[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기

[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기

[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기NAVER D2

[213] Fashion Visual Search

[213] Fashion Visual Search

[213] Fashion Visual SearchNAVER D2

[232] TensorRT를 활용한 딥러닝 Inference 최적화

[232] TensorRT를 활용한 딥러닝 Inference 최적화

[232] TensorRT를 활용한 딥러닝 Inference 최적화NAVER D2

[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지

[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지

[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지NAVER D2

[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터

[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터

[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터NAVER D2

[223]기계독해 QA: 검색인가, NLP인가?

[223]기계독해 QA: 검색인가, NLP인가?

[223]기계독해 QA: 검색인가, NLP인가?NAVER D2

Mais de NAVER D2 (20)

[211] 인공지능이 인공지능 챗봇을 만든다

[211] 인공지능이 인공지능 챗봇을 만든다

[211] 인공지능이 인공지능 챗봇을 만든다

[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...

[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...

[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...

[215] Druid로 쉽고 빠르게 데이터 분석하기

[215] Druid로 쉽고 빠르게 데이터 분석하기

[215] Druid로 쉽고 빠르게 데이터 분석하기

[245]Papago Internals: 모델분석과 응용기술 개발

[245]Papago Internals: 모델분석과 응용기술 개발

[245]Papago Internals: 모델분석과 응용기술 개발

[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈

[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈

[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈

[235]Wikipedia-scale Q&A

[235]Wikipedia-scale Q&A

[235]Wikipedia-scale Q&A

[244]로봇이 현실 세계에 대해 학습하도록 만들기

[244]로봇이 현실 세계에 대해 학습하도록 만들기

[244]로봇이 현실 세계에 대해 학습하도록 만들기

[243] Deep Learning to help student’s Deep Learning

[243] Deep Learning to help student’s Deep Learning

[243] Deep Learning to help student’s Deep Learning

[234]Fast & Accurate Data Annotation Pipeline for AI applications

[234]Fast & Accurate Data Annotation Pipeline for AI applications

[234]Fast & Accurate Data Annotation Pipeline for AI applications

Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing

Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing

Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing

[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지

[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지

[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지

[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기

[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기

[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기

[224]네이버 검색과 개인화

[224]네이버 검색과 개인화

[224]네이버 검색과 개인화

[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)

[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)

[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)

[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기

[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기

[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기

[213] Fashion Visual Search

[213] Fashion Visual Search

[213] Fashion Visual Search

[232] TensorRT를 활용한 딥러닝 Inference 최적화

[232] TensorRT를 활용한 딥러닝 Inference 최적화

[232] TensorRT를 활용한 딥러닝 Inference 최적화

[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지

[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지

[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지

[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터

[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터

[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터

[223]기계독해 QA: 검색인가, NLP인가?

[223]기계독해 QA: 검색인가, NLP인가?

[223]기계독해 QA: 검색인가, NLP인가?

[G5]deview 2012 m_arc

1.

11. Observation

22. Environment

27.

34. 100% 80% 60% Hitratio 40% 20% 0% 64 MB 128 MB 256 MB 512 MB 1 GB 2 GB Cache size First-level LRU Second-level LRU

35.

49. LRU0

51. HB

52. LRU0

57. LRU1

59. HB

60. LRU1

65. HIT MISS NEW ENTRY Eviction

66. 0 3 4 5 6 4 3 2

135. (a)

136. First-level

139. distribution (1)

140. First-level

161. First-level

184. First-level

187. :

190. 1GB

245. (b)

246. Second-level

249. distribution

250.

251.

252.

253.

254. (Initial: LRU0 = LRU1 = HBn = c/2 ) LRU2 LRU2_HB LRU4 LRU4_HB LRU2 size++, Highest LRU size-- LRU4 size++, Highest LRU size-- LRU2 size++, LRU0 size-- LRU4 size++, LRU0 size-- New Entry LRU0 HB1 HB2 HB3 HB4 LRU0 size++, LRU1 size-- LRU3 size++, LRU0 size-- LRU1 LRU1_HB LRU3 LRU3_HB LRU1 size++, LRU0 size-- LRU3 size++, Highest LRU size-- HIT MISS NEW ENTRY Eviction •  Adaptive

258. 1.  Miss

268. -

270. 에서 미스가난 것은

272. 의 크기가 부족하다는 의미이고

274. 를 키우면

276. 은 캐시크기 내에서 커버 가능

277. 2.  Miss

287. -

289. 에서 미스가 난 것은

292. 의 크기가 부족 하다는 의미

293. 3.  Miss

307. -

309. 가 아무리 길어도 HBn

310. 까지는 커버할 수 없음.

312. 에서 접근이 되기 때문에 이를 위한 공간을 할당

313.

314. 4.  Miss

328. -

333. 을 위한

335. 이라는 동일한 조건이기에

339. 는 재사용 되기 까지 가장 오랜 시간이 걸릴 것 으로 예상되는 구간이므로 희생한다

340.

342. Trace

343. Player

344. Player

345. First-level

346. First-level

349. LRU

351. Second-level

353.