# SlackSwap, GPU belleği kısıtlı eğitimde aktarım ve yeniden hesaplamayı birleştiriyor

> California Üniversitesi Merced ve Texas Üniversitesi Austin araştırmacıları SlackSwap adlı derin öğrenme eğitim planlayıcısını tanıttı. GPU ile ana bellek arasındaki aktarım bütçesini aştığında bazı etkinleştirmeleri yeniden hesaplıyor; bildirilen sonuçlar donanım ölçümü değil benzetim.

- Kalıcı adres: https://newsverum.com/tr/news/slackswap-activation-memory-gpu-training-2026
- Yayıncı: Newsverum
- Bölüm: Teknoloji
- Ülke: Amerika Birleşik Devletleri
- Yayın: 2026-10-13T01:40:12+00:00
- Güncelleme: 2026-10-13T01:40:12+00:00
- Kaynak inceleme dönemi: 2026-10-09
- Diğer sürümler: [English](https://newsverum.com/en/news/slackswap-activation-memory-gpu-training-2026.md), [العربية](https://newsverum.com/ar/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)

*Kaynak olay tarihini belirtmiyor; gösterilen dönem kaynak incelemesinin dönemidir.*

Derin sinir ağlarının eğitiminde geri yayılım için saklanan ara etkinleştirmeler GPU belleğini aşabiliyor. SlackSwap, bir eğitim adımını profilleyip ana bellek-GPU bağlantısının hesaplama sırasında boş kalabilecek aktarım süresini bütçe olarak kullanıyor; yeniden oluşturması pahalı etkinleştirmeleri bu bütçe içinde taşıyor, geri kalanları yeniden hesaplıyor.

A100 ve PCIe 4.0 için kurulmuş ayrık olay benzetiminde, etkinleştirme belleği bütçesi sınırsız bellekli GPU’nun yarısına indirildiğinde SlackSwap BERT-Large için ideal verimin %96,3’ünü, GPT-2 XL için %97,6’sını ve Llama-7B benzeri model için %99,6’sını korudu. Yazarlar tüm sonuçların benzetim olduğunu ve bellek parçalanması gibi etkilerin modellenmediğini belirtiyor; bunlar gerçek GPU eğitimi ölçümleri değil.

## Veriler

### Benzetilmiş eğitim verimi

Sonuçlar gerçek GPU çalıştırması değil, benzetimdir.

Yöntem: Çalışma, A100 ve PCIe 4.0 özelliklerini temel alan ayrık olay benzetiminde 50% etkinleştirme belleği bütçesindeki üç Transformer iş yükünü değerlendiriyor.

| Model | İdeale göre verim |
|---|---|
| BERT-Large | 96.3 |
| GPT-2 XL | 97.6 |
| Llama-7B benzeri | 99.6 |

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

## Kaynaklar

- [arXiv](<https://arxiv.org/abs/2610.13003>) (Kaynak kontrolü: 2026-10-13; Yayın: 2026-10-09)

---

Alıntı için yukarıdaki kalıcı adresi kullanın. [Yayın ilkeleri ve düzeltmeler](https://newsverum.com/tr/editorial)