摘要
【未注明日期】。 KiTS19挑战数据集。 https://kits19.grand-challenge.org/data/。 谷歌学者 
【未注明日期】。 内存保护器。 PyPI公司。 https://pypi.org/project/memory-profiler网站/ 谷歌学者 【未注明日期】。 MLPerf培训基准套件V3.1结果。 https://mlcommons.org/bequicks/training/。 谷歌学者 [未注明日期]。 NumPy—使用Python进行科学计算的基本包。 https://numpy.org/。 谷歌学者 [未注明日期]。 Pandas：强大的Python数据分析工具包。 https://pypi.org/project/pandas/。 谷歌学者 [未注明日期]。 与苹果、特斯拉和Nutanix的合作者进行个人交流。 谷歌学者 [未注明日期]。 Python文档-队列。 https://docs.python.org/3/library/queue.html。 谷歌学者 【未注明日期】。 PyTorch 2.0。 https://pytorch.org/。 谷歌学者 [未注明日期]。 PyTorch教程。 https://pytorch.org/tutorials/begineer/basics/data_tutorial.html。 谷歌学者 【未注明日期】。 Scikit学习-Python中的机器学习。 https://scikit learn.org/stable/。 谷歌学者 奥兹根切克、艾哈迈德·阿卜杜勒卡迪尔、索伦·萨连坎普、托马斯·布洛克斯和奥拉夫·隆伯格。 2016.3D U-Net：从稀疏注释学习密集的体积分割。 医学图像计算和计算机辅助干预-MICCAI 2016：第19届国际会议，希腊雅典，2016年10月17日至21日，会议记录，第二部分19。 谷歌学者 塞莱斯汀·杜纳（Celestine Dünner）、托马斯·帕内尔（Thomas Parnell。 2018年。Snap ML：机器学习的分层框架。 神经信息处理系统进展（2018年）。 谷歌学者 丹·格雷尔（Dan Graur）、达米安·艾蒙（Damien Aymon）、丹·克鲁斯（Dan Kluser）、丹古·阿尔布里奇（Tanguy Albrici）、钱德拉莫汉·A·塞克斯（Chandramohan A Thekkath）和安娜·克里莫维奇。 2022.Cachew：机器学习输入数据处理服务。 USENIX ATC 22会议记录。 谷歌学者 乌迪·古普塔（Udit Gupta）、金英根（Young Geun Kim）、西尔维娅·李（Sylvia Lee）、谢霆锋（Jordan Tse）、辛·S·李（Xian-Hsin S.Lee），顾延伟（Gu-Yeon Wei）、大卫·布鲁克斯（David Brooks）和卡罗尔·吴珍（Carole-Jean Wu）。 2022.追逐碳：计算的神秘环境足迹。 IEEE Micro 4（2022）。 谷歌学者 尼古拉斯·海勒（Nicholas Heller）、尼兰扬·萨提亚纳森（Niranjan Sathianathen）、阿文·卡拉帕（Arveen Kalapara）、爱德华·沃尔恰克（Edward Walczak）、基南·摩尔（Keenan Moore）、希瑟·卡鲁兹尼亚克（Heather Kaluzniak）、乔尔·罗森博格（Joel Rosenberg）、保罗·布莱克。 kits19挑战性数据：300例肾脏肿瘤患者的临床背景、ct语义分割和手术结果。 arXiv预印arXiv:1904.00445（2019）。 谷歌学者 Sotiris Kotsiantis、Dimitris Kanellopoulos和P.Pintelas。 2006.监督学习的数据预处理。 《国际计算机科学杂志》（2006）。 谷歌学者 S.Maetschke、R.Tennakoon、C.Vecchiola和R.Garnavi。 2018.nuts-flow/ml：深度学习的数据预处理。 谷歌学者 Peter Mattson、Christine Cheng、Gregory Diamos、Cody Coleman、Paulius Micikevicius、David Patterson、Hanlin Tang、Gu-Yeon Wei、Peter Bailis、Victor Bittorf等人，2020年。 MlPerf培训基准。机器学习与系统学报（2020年）。 谷歌学者 Mark Mazumder、Colby Banbury、Xiaozhe Yao、Bojan Karlaš、William Gaviria Rojas、Sudnya Diamos、Greg Diamos，Lynn He、Alicia Parrish、Hannah Rose Kirk等人，2022年。 Dataperf：以数据为中心的人工智能开发基准。 arXiv预打印arXiv:2207.10062（2022）。 谷歌学者 MLCommons。 [未注明日期]。 MLPerf Benchmarking Suite-图像分割的PyTorch实现。 https://github.com/mlcommons/training/tree/master/image_segmentation/pytorch。 谷歌学者 贾亚什雷·莫汉（Jayashree Mohan）、阿马尔·法尼什耶伊（Amar Phanishayee）、贾纳德汉·库尔卡尼（Janardhan Kulkarni）和维杰伊·奇丹巴拉姆（Vijay Chidambaram）。 2022.展望多租户集群上DNN调度的GPU之外。 USENIX OSDI’22会议记录。 谷歌学者 德里克·戈登·穆雷（Derek Gordon Murray）、杰里·西姆萨（JiríSimsa）、安娜·克里莫维奇（Ana Klimovic）和伊霍尔·因迪克（Ihor Indyk）。 2021.tf.data:机器学习数据处理框架。VLDB捐赠（2021）。 谷歌学者 G.Thippa Reddy、M.Praveen Kumar Reddy、Kuruva Lakshmanna、Rajesh Kaluri、Dharmendra Singh Rajput、Gautam Srivastava和Thar Baker。 2020年，大数据降维技术分析。 IEEE接入（2020）。 谷歌学者 Purandare Sanket、Wasay Abdul、Idreos Stratos和Jain Animesh。 2023.亩- 二：3倍更快的多模型训练，具有编配和记忆优化功能。 MLSys’23会议记录。 谷歌学者 Foteini Strati、Xianzhe Ma和Ana Klimovic。 2024.Orion：用于ML应用程序的干扰软件、细粒度GPU共享。 《欧洲系统24年会议记录》。 谷歌学者 数字图书馆 
吴春凤（Chun-Feng Wu）、卡罗尔·让·吴（Carole-Jean Wu），魏谷妍（Gu-Yeon Wei）和大卫·布鲁克斯（David Brooks）。 2022.一种联合管理中间件，用于提高带有SSD的深度推荐系统的培训性能。 第59届ACM/IEEE设计自动化会议论文集。 谷歌学者 数字图书馆 Mark Zhao、Niket Agarwal、Aarti Basant、Buéra Gedik、Satadru Pan、Mustafa Ozdal、Rakesh Komuravelli、Jerry Pan、Tinshu Bao、Haowei Lu、Sundaram Narayanan、Jack Langman、Kevin Wilfong、Harsha Rastogi、Carole-Jean Wu、Christos Kozyrakis和Parik Pol。 2022.了解大规模深度推荐模型培训的数据存储和摄入：工业产品。 第49届计算机体系结构国际研讨会论文集。 谷歌学者 数字图书馆 Mark Zhao、Druv Choudhary、Devashish Tyagi、Ajay Somani、Max Kaplan、Sung-Han Lin、Sarunya Pumma、Jongsoo Park、Aarti Basant、Niket Agarwal、Carole-Jean Wu和Christos Kozyrakis。 2023.RecD：端到端深度学习推荐模型培训基础架构的重复数据消除。 谷歌学者
建议
一种提高分类算法性能的机器学习数据预处理新方法 EANN’15：第16届神经网络工程应用国际会议论文集 数据预处理描述了对原始数据执行的任何类型的处理方法，以便为另一个处理过程做好准备。 通常用作初步数据挖掘实践，数据预处理方法将数据转换为一种格式，该格式将。。。 供应链管理分析中的数据预处理——方法、操作及其完成的任务综述： 供应链管理分析中的数据预处理。 ICCMB’23：2023年第6届管理和商业计算机国际会议记录 数据预处理被认为是数据分析中最重要的步骤之一。 对于供应链管理（SCM）领域来说尤其如此，在该领域，处理大量数据集是一种规范。 数据预处理包括多个。。。
