赛题名称：Google - Fast or Slow? Predict AI Model Runtime
赛题链接：https://www.kaggle.com/competitions/predict-ai-model-runtime
赛题背景
Alice 是一名 AI 模型开发人员，但她的团队开发的一些模型运行速度非常慢。她最近发现了编译器的配置，这些配置改变了编译器编译和优化模型的方式，从而使模型运行得更快（或更慢）。参赛者的任务是帮助 Alice 找到每个模型的最佳配置。
赛题方向
数据挖掘
赛题任务
根据训练数据集中提供给参赛者的运行时数据训练机器学习模型，并进一步预测测试数据集中图形和配置的运行时。
数据描述
我们的数据集称为TpuGraphs,这是在XLA HLO图上运行在张量处理单元(TPUs) v3上的性能预测数据集。
总共有5个数据集集合:layout:xla:random、layout:xla:default、layout:nlp:random、layout:nlp:default和tile:xla。
最终得分将是所有数据集的平均值。要下载整个数据集并查看更多信息，参赛者可以导航到数据选项卡。
基准模型
我们在https://github.com/google-research-datasets/tpu_graphs上提供了基准模型和训练设置。请参阅我们的数据集论文（https://arxiv.org/abs/2308.13490），了解基准模型的详细信息。
评价指标
根据实际需求，我们使用两种评估指标，并对其取平均。
具体来说，对于数据集“tile:xla”，我们使用top-K预测产生的“(1-slowdown)”来反映模型预测的top-K配置相对于实际最快配置的速度降低情况,计算如下:
其中 K 是top-K预测，A 是数据集中给定图的所有配置，y 是测量的执行时间。
对于 layout:* 数据集，我们使用肯德尔秩相关系数(一种排名评估指标：模型预测的配置排序与运行时间排序的实际对应程度)。
提交文件
参赛者的提交文件必须是一个带有标题ID、TopConfigs的csv文件。每个npz/**/test/*.npz文件（请参阅数据）在csv文件中必须有一行。
-
ID是{collection}:{test_filename_without_extension}，其中collection是tile:xla、layout:xla:random、layout:xla:default、layout:nlp:random和layout:nlp:default之一。
-
TopConfigs应该根据参赛者的模型预测，按照从最快（运行时间最短）到最慢（运行时间最长）的顺序，用“;”分隔列出配置的索引。
-
对于集合tile:xla，只有前5个条目将被考虑，其余的将被忽略。
-
对于layout:*集合，所有条目将被考虑
-
-
有关样本提交文件，请从数据选项卡下载sample_submission.csv。
时间安排
-
2023年8月29日 - 开始日期。
-
2023年11月10日 - 报名截止日期。
-
2023年11月17日 - 最终提交截止日期。
赛题奖金
-
第一名 - 15,000美元
-
第二名 - 10,000美元
-
第三名 - 8,000美元
-
第四名 - 7,000美元
-
第五名 - 5,000美元
-
第六名 - 5,000美元
关注下方【学姐带你玩AI】🚀🚀🚀
回复“比赛”获取190+场比赛top方案（kaggle、天池、ccf...）
码字不易，欢迎大家点赞评论收藏！
