# SlackSwap يجمع بين نقل البيانات وإعادة الحساب عند محدودية ذاكرة GPU

> قدّم باحثون من جامعة كاليفورنيا في ميرسيد وجامعة تكساس في أوستن نظام SlackSwap لتخطيط تدريب التعلم العميق. ويعيد النظام حساب بعض التنشيطات عند تجاوز ميزانية النقل بين GPU وذاكرة المضيف؛ والنتائج المعلنة محاكاة وليست قياسات عتادية.

- الرابط الدائم: https://newsverum.com/ar/news/slackswap-activation-memory-gpu-training-2026
- الناشر: Newsverum
- القسم: التكنولوجيا
- البلد: الولايات المتحدة
- نُشر: 2026-10-13T01:40:12+00:00
- آخر تحديث: 2026-10-13T01:40:12+00:00
- فترة مراجعة المصدر: 2026-10-09
- النسخ الأخرى: [Türkçe](https://newsverum.com/tr/news/slackswap-activation-memory-gpu-training-2026.md), [English](https://newsverum.com/en/news/slackswap-activation-memory-gpu-training-2026.md), [Français](https://newsverum.com/fr/news/slackswap-activation-memory-gpu-training-2026.md), [Español](https://newsverum.com/es/news/slackswap-activation-memory-gpu-training-2026.md), [Deutsch](https://newsverum.com/de/news/slackswap-activation-memory-gpu-training-2026.md), [Português](https://newsverum.com/pt/news/slackswap-activation-memory-gpu-training-2026.md)

*لا يحدد المصدر تاريخ الحدث؛ الفترة المعروضة هي فترة مراجعة المصدر.*

قد تتجاوز التنشيطات الوسيطة المحفوظة للانتشار العكسي ذاكرة GPU أثناء تدريب الشبكات العصبية. يحدد SlackSwap ميزانية من زمن النقل الذي يمكن إخفاؤه أثناء الحساب، بعد تحليل خطوة تدريب؛ وينقل ضمنها التنشيطات الأعلى كلفة في إعادة البناء ويعيد حساب البقية.

في محاكاة أحداث منفصلة مضبوطة وفق A100 وPCIe 4.0، ومع ميزانية تنشيط تساوي نصف ذروة GPU ذات الذاكرة غير المحدودة، حافظ SlackSwap على 96.3% من المعدل المثالي لنموذج BERT-Large و97.6% لـGPT-2 XL و99.6% لنموذج على نمط Llama-7B. يوضح المؤلفون أن جميع النتائج محاكاة وأن آثاراً مثل تجزئة الذاكرة لم تُنمذج؛ لذا فهي ليست قياسات لتدريب فعلي على GPU.

## البيانات

### معدل التدريب المحاكى

النتائج ناتجة عن محاكاة وليست تشغيلًا على GPU فعلي.

المنهجية: تقيّم الدراسة ثلاثة أعباء عمل للمحوّلات عند ميزانية ذاكرة تنشيط قدرها 50% في محاكاة أحداث منفصلة مضبوطة وفق A100 وPCIe 4.0.

| النموذج | معدل الأداء مقارنة بالمثالي |
|---|---|
| BERT-Large | 96.3 |
| GPT-2 XL | 97.6 |
| نموذج على نمط Llama-7B | 99.6 |

المصادر: <https://arxiv.org/abs/2610.13003> · تنزيل البيانات: [JSON](https://newsverum.com/api/v1/articles/slackswap-activation-memory-gpu-training-2026/data/simulated-training-throughput?lang=ar&format=json) · [CSV](https://newsverum.com/api/v1/articles/slackswap-activation-memory-gpu-training-2026/data/simulated-training-throughput?lang=ar&format=csv)

## المصادر

- [arXiv](<https://arxiv.org/abs/2610.13003>) (تاريخ مراجعة المصدر: 2026-10-13; نُشر: 2026-10-09)

---

استخدم الرابط الدائم أعلاه عند الاقتباس. [معايير النشر والتصحيحات](https://newsverum.com/ar/editorial)