블로그 글 추가: 2026-06-01-how-linkedin-uses-pytorch-extreme-scale-optimization, LinkedIn은 PyTorch로 어떻게 극단적 규모의 최적화 문제를 푸는가#92
Open
9bow wants to merge 2 commits into
Open
블로그 글 추가: 2026-06-01-how-linkedin-uses-pytorch-extreme-scale-optimization, LinkedIn은 PyTorch로 어떻게 극단적 규모의 최적화 문제를 푸는가#929bow wants to merge 2 commits into
9bow wants to merge 2 commits into
Conversation
…tion, LinkedIn은 PyTorch로 어떻게 극단적 규모의 최적화 문제를 푸는가
PR Preview빌드가 완료되었습니다! 아래 링크에서 변경사항을 확인할 수 있습니다. 미리보기: https://pytorchkr-pr-preview-92.surge.sh
|
- TL;DR: 목적절(to handle)을 결과가 아닌 목적으로 재번역, 'like'를 '~과 같은'으로 명확화 - primal-dual: '원초-쌍대' → '주-쌍대(primal-dual)'로 통일 (primal variables도 '주 변수') - '특히' 중복 제거 (In particular → 그중에서도) - conditioning: '조건수' → '조건화'로 정정
This file contains hidden or bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
1 participant
Add this suggestion to a batch that can be applied as a single commit.This suggestion is invalid because no changes were made to the code.Suggestions cannot be applied while the pull request is closed.Suggestions cannot be applied while viewing a subset of changes.Only one suggestion per line can be applied in a batch.Add this suggestion to a batch that can be applied as a single commit.Applying suggestions on deleted lines is not supported.You must change the existing code in this line in order to create a valid suggestion.Outdated suggestions cannot be applied.This suggestion has been applied or marked resolved.Suggestions cannot be applied from pending reviews.Suggestions cannot be applied on multi-line comments.Suggestions cannot be applied while the pull request is queued to merge.Suggestion cannot be applied right now. Please check back later.
번역 글 소개
LinkedIn은 PyTorch로 어떻게 극단적 규모의 최적화 문제를 푸는가 번역 글을 추가합니다.
LinkedIn이 Scala/Spark 기반의 CPU 중심 분산 선형 계획법(LP) 솔버 DuaLip을 GPU로 가속한 PyTorch 버전(DuaLip-GPU)으로 재설계한 사례 연구입니다. 수억 명의 사용자와 수조 개의 결정 변수를 다루는 극단적 규모의 LP를 희소 텐서 연산, 배치 사영 커널, all-reduce·broadcast 기반 분산 최적화로 구현하여 CPU 대비 자릿수 단위의 속도 향상(8 GPU에서 반복당 75배)과 거의 선형적인 멀티 GPU 확장을 달성했습니다.