Краткое содержание

arXiv:2511.08644v2 Тип объявления: замена-перекрёстная публикация Аннотация: В данной статье представлен подробный сравнительный анализ производительности трех основных библиотек для обработки данных на Python — Pandas, Polars и Dask — в контексте их использования внутри полных конвейеров обучения и вывода глубоких нейронных сетей (Deep Learning). Исследование заполняет пробел в существующей литературе, изучая взаимодействие этих библиотек с большими нагрузками на графические процессоры (GPU) во время критических этапов, таких как загрузка данных, предобработка и подача пакетов данных. Авторы измерили ключевые показатели эффективности, включая время выполнения, использование памяти, дисковое пространство и энергопотребление (как центрального процессора (CPU), так и графического процессора (GPU)) по различным моделям машинного обучения и наборам данных.