In Figures 9 and 10, we see that mo

In Figures 9 and 10, we see that modeling error is high in
only a few cases (for example, for 64 aggregator core count
in Figure 9(a)). In addition, we observe that the overall
average percentage error was particularly high for Hopper
( 32% in Figure 9) but much less for Intrepid ( 20% in
Figure 9). These results lead us to conclude that Intrepid
is more well-behaved and simpler to model than is Hopper.
Similarly, in characterization study plots Hopper exhibited
higher variability in error than did Intrepid. One reason for
the dierence in behavior can be attributed to the fact that
the network phase, which is a component of the combined
throughput, is more well behaved on Intrepid and hence is
easier to model and predict. This is primarily to do with how
jobs are allocated by default on Blue Gene vs Cray machines.
On Blue Gene the communication trac is isolated, whereas
on Cray it can interfere with the trac of other jobs.

ผลลัพธ์ (ไทย) 1:

เลข 9 และ 10 เราดูว่า ข้อผิดพลาดการสร้างโมเดลสูง
เฉพาะบางกรณี (เช่น สำหรับจำนวนหลักรวบรวม 64
ในรูป 9(a)) นอกจากนี้ เราสังเกตพบว่า โดยรวม
เฉลี่ยเปอร์เซ็นต์ข้อผิดพลาดมีสูงโดยเฉพาะอย่างยิ่งสำหรับถัง
(32% ในรูปที่ 9) แต่มากน้อยใน Intrepid (20% ใน
รูปที่ 9) ผลลัพธ์เหล่านี้ทำให้สรุปว่า Intrepid
เด็กดี และง่ายกว่าการจำลองอยู่ถัง
ทำนอง จำแนกศึกษาลงจุดจัดแสดงถัง
สำหรับความผันผวนสูงในข้อผิดพลาดมากกว่า Intrepid ไม่ เหตุผลหนึ่งสำหรับ
ดิerence ในลักษณะสามารถเกิดจากความจริงที่
เฟสเครือข่าย ซึ่งเป็นส่วนประกอบของการรวม
อัตราความเร็ว เพิ่มเติมด้วยการประพฤติตัวใน Intrepid และจึง เป็น
ง่ายแบบจำลอง และทำนายได้ นี้คือหลักการทำ ด้วยวิธี
ปันส่วนงาน โดยค่าเริ่มต้นบนเทียบกับยีนสีฟ้าเครื่อง Cray.
ในบลูยีน c ตราสื่อสารจะแยก ขณะ
บน Cray สามารถรบกวนซีตรางานอื่น ๆ

ผลลัพธ์ (ไทย) 2:

ในรูปที่ 9 และ 10 เราจะเห็นว่าข้อผิดพลาดในการสร้างแบบจำลองอยู่ในระดับสูง
เพียงไม่กี่กรณี (เช่น 64 รวบรวมนับหลัก
ในรูปที่ 9 (ก)) นอกจากนี้เราสังเกตว่าโดยรวม
ความผิดพลาดร้อยละค่าเฉลี่ยอยู่ในระดับสูงโดยเฉพาะอย่างยิ่งกับสิ่งที่กระโดด
(32% ในรูปที่ 9) แต่มากน้อยกลัว (20% ใน
รูปที่ 9) ผลลัพธ์เหล่านี้ทำให้เราสรุปได้ว่ากล้าหาญ
มากขึ้นมีความประพฤติดีและง่ายกว่าแบบเป็นสิ่งที่กระโดด
ในทำนองเดียวกันในการศึกษาลักษณะแปลงกระโดดแสดง
ความแปรปรวนสูงขึ้นในข้อผิดพลาดกว่าไม่กลัว เหตุผลหนึ่งที่ทำให้
di? erence ในพฤติกรรมสามารถนำมาประกอบกับความจริงที่ว่า
ขั้นตอนการเครือข่ายซึ่งเป็นส่วนประกอบของการรวมกัน
ผ่านเป็นมารยาทที่กล้าหาญมากขึ้นเป็นอย่างดีและด้วยเหตุนี้เป็น
เรื่องง่ายที่จะสร้างแบบจำลองและคาดการณ์ นี้เป็นหลักจะทำอย่างไรกับ
งานที่ได้รับการจัดสรรโดยเริ่มต้นในยีนสีน้ำเงินเทียบกับเครื่องเครย์
บลูยีนตราการสื่อสารหรือไม่คจะแยกในขณะ
ที่เครย์ก็สามารถยุ่งเกี่ยวกับการตราหรือไม่คของงานอื่น ๆ

ผลลัพธ์ (ไทย) 3:

ในรูปที่ 9 และ 10 เราเห็นข้อผิดพลาดแบบสูง
เพียงไม่กี่กรณี ( ตัวอย่างเช่น 64 รวบรวมหลักนับ
ในรูปที่ 9 ( ) ) นอกจากนี้ เราสังเกตว่าโดยรวมเฉลี่ยร้อยละ
ข้อผิดพลาดโดยเฉพาะอย่างยิ่งสูง Hopper
( 32 % ในรูปที่ 9 ) แต่น้อยมากที่กล้าหาญ ( 20%
รูปที่ 9 ) ผลลัพธ์เหล่านี้ทำให้เราสรุปได้ว่า กล้าหาญ
เป็นคนดีกว่าและง่ายกว่าแบบกรวย
ในทํานองเดียวกัน ในการศึกษาคุณสมบัติแปลงมีความสูงกว่ากรวย
ผิดพลาดสูงกว่าที่กล้าหาญ เหตุผลหนึ่งสำหรับ
ตี้  erence พฤติกรรมสามารถนำมาประกอบกับความจริงที่ว่า
เฟสเครือข่าย ซึ่งเป็นส่วนประกอบของ throughput รวม
, เป็นคนดีที่กล้าหาญและจึงง่ายต่อการรุ่นและ
ทำนายนี้เป็นหลักจะทำอย่างไรกับ
งานถูกปันส่วน โดยเริ่มต้นในยีนสีน้ำเงิน VS เครื่อง Cray .
บนสีฟ้ายีน tra การสื่อสาร  C แยก ในขณะที่
บนเครย์มันสามารถรบกวน tra  C ของงานอื่น ๆ