文献

J-GLOBAL ID：201802283732370535   整理番号：18A0591037

AIクラウドでの深層学習ワークロード解析を通じたジョブスケジューリング改善に向けた考察

著者 (5件)： 滝澤真一朗 (産総研・東工大 実社会ビッグデータ活用オープンイノベーションラボラトリ) ,  佐藤仁 (産総研・東工大 実社会ビッグデータ活用オープンイノベーションラボラトリ) ,  高野了成 (産総研・東工大 実社会ビッグデータ活用オープンイノベーションラボラトリ) ,  谷村勇輔 (産総研・東工大 実社会ビッグデータ活用オープンイノベーションラボラトリ) ,  小川宏高 (産総研・東工大 実社会ビッグデータ活用オープンイノベーションラボラトリ)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2018  号： HPC-163  ページ： Vol.2018-HPC-163,No.15,1-7 (WEB ONLY)  発行年： 2018年02月21日 
JST資料番号： U0451A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 深層学習ワークロードを実行する処理基盤として,GPUクラスタの利用が進んでいる。しかし,深層学習プログラムは少ない資源を長時間占有利用すること,学習時間の事前予測が困難であることなど,大規模並列処理を行う,従来の科学技術計算ワークロードとは異なる傾向を持つ。我々は深層学習ワークロード処理専用に構築されたGPUクラスタ上で,5ヶ月間に実行されたワークロードを解析した。その結果,95%を超えるジョブがSingle GPUによる深層学習であること,ジョブスケジューラへのジョブ投入時に指定する実行時間見積と実際の実行時間に大きな差があることが確認できた。現状では問題は顕在化しないが,今後分散深層学習が普及するにつれ,実行時間見積と実実行時間に差があるままでは資源利用率の低下が予想されるため,将来の運用課題として解決していく。(著者抄録)

シソーラス用語： *人工知能 ,  *計算機利用 ,  *機械学習 ,  *指標 ,  *解析 ,  *スケジューリング ,  マイクロプロセッサ ,  専用プロセッサ ,  時間 ,  学習
準シソーラス用語： *クラウドコンピューティング ,  *深層学習 ,  *ワークロード【指標】 ,  *ジョブスケジューリング ,  GPU【プロセッサ】 ,  実行時間 ,  分散学習

分類 (2件)： オペレーティングシステム  (JD03020J) ,  人工知能  (JE08000Z)

引用文献 (10件)：

• Feitelson, D. G.: Workload Modeling for Performance Evaluation, Performance Evaluation of Complex Systems: Techniques and Tools, Vol. 2459, pp. 114-141 (2002).
• 小川宏高,松岡 聡,佐藤 仁,高野了成,滝澤真一朗, 谷村勇輔,三浦信一,関口智嗣:AI 橋渡しクラウド- AI Bridging Cloud Infrastructure (ABCI) の構想,第160回ハイパフォーマンスコンピューティング研究会 (2017).
• 産業技術総合研究所:AIST Artificial Intelligence Cloud (AAIC), http://www.airc.aist.go.jp/info_details/computer-resources.html#section1.
• 佐藤 仁,小川宏高:AI クラウドでの Linux コンテナ利用に向けた性能評価,第162回ハイパフォーマンスコンピューティング研究会 (2017).
• Haihang You and Hao Zhang: Comprehensive Workload Analysis and Modeling of a Petascale Supercomputer, Job Scheduling Strategies for Parallel Processing, Berlin, Heidelberg, pp. 253-271 (2013).

タイトルに関連する用語 (7件)： AI ,  クラウド ,  深層学習 ,  ワーク ,  ロード ,  解析 ,  ジョブスケジューリング