( en | de | ru )

 

Disambiguierung von "Chen, Langshi"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
Performance Characterization of Multi-threaded Graph Processing Applications on Many-Integrated-Core Architecture.

, , und . ISPASS, Seite 199-208. IEEE Computer Society, (2018)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Chen Chen

Chen Chen

Shih Chen Chen

Yi-Chen Chen

Chen-Loung Chen

 

Weitere Publikationen von Autoren mit dem selben Namen

Performance Characterization of Multi-threaded Graph Processing Applications on Intel Many-Integrated-Core Architecture., , und . CoRR, (2017)A TSQR Based Krylov Basis Computation Method on Hybrid GPU Cluster., und . CLUSTER, Seite 106-109. IEEE Computer Society, (2015)SubGraph2Vec: Highly-Vectorized Tree-like Subgraph Counting., , , , , , , , und . IEEE BigData, Seite 483-492. IEEE, (2019)Performance Characterization of Multi-threaded Graph Processing Applications on Many-Integrated-Core Architecture., , und . ISPASS, Seite 199-208. IEEE Computer Society, (2018)Toward Auto-tuned Krylov Basis Computation for Different Sparse Matrix Formats and Interconnects on GPU Clusters., und . CLUSTER, Seite 537-538. IEEE Computer Society, (2015)Benchmarking Harp-DAAL: High Performance Hadoop on KNL Clusters., , , , , , , , , und 3 andere Autor(en). CLOUD, Seite 82-89. IEEE Computer Society, (2017)A GraphBLAS Approach for Subgraph Counting., , , , , , , , , und . CoRR, (2019)SubGraph2Vec: Highly-Vectorized Tree-likeSubgraph Counting., , , , , , , , , und . CoRR, (2020)Whale: Efficient Giant Model Training over Heterogeneous GPUs., , , , , , , , , und 2 andere Autor(en). USENIX Annual Technical Conference, Seite 673-688. USENIX Association, (2022)GoldMiner: Elastic Scaling of Training Data Pre-Processing Pipelines for Deep Learning., , , , , , , , , und 2 andere Autor(en). Proc. ACM Manag. Data, 1 (2): 193:1-193:25 (2023)