文献

J-GLOBAL ID：201902279223301826   整理番号：19A1203961

GENIE: SMEクラスタ上のCNNベースタスクのためのQoS誘導動的スケジューリング【JST・京大機械翻訳】

GENIE: QoS-guided Dynamic Scheduling for CNN-based Tasks on SME Clusters

著者 (6件)： Chen Zhaoyun (College of Computer, National University of Defense Technology, Changsha, China) ,  Luo Lei (College of Computer, National University of Defense Technology, Changsha, China) ,  Yang Haoduo (College of Computer, National University of Defense Technology, Changsha, China) ,  Yu Jie (College of Computer, National University of Defense Technology, Changsha, China) ,  Wen Mei (College of Computer, National University of Defense Technology, Changsha, China) ,  Zhang Chunyuan (College of Computer, National University of Defense Technology, Changsha, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： DATE  ページ： 1599-1602  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 畳込みニューラルネットワーク(CNN)は,新しい機械学習(ML)サービスにおける劇的な発展を達成した。オンラインMLサービスと比較して,多様なCNN作業負荷の完全なオフラインMLサービスは,中小企業(SMEs),研究機関および大学において一般的である。SMEクラスタ上の複数のCNNベースのタスクの効率的なスケジューリングと処理は,重要で挑戦的である。既存のスケジューラは,CNNベースのタスクの資源要件を予測することができない。本論文では,ユーザのQoS保証と高いシステム利用を達成するSMEクラスタに対するQoSガイド動的スケジューリングフレームワーク,GENIEを提案した。軽量プロファイリングから導出された予測モデルに基づいて,QoS誘導スケジューリング戦略を提案し,CNNベースのタスクに対する最良の配置を同定した。著者らは,GENIEをTensorflowのプラグインとして実装し,実際のSMEクラスタと大規模シミュレーションによる実験を行った。実験の結果により,QoS保証比率と実行時間に関して,QoSガイド方式が他のベースラインスケジューラより67.4%と28.2%優れていることを実証した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *スケジューリング ,  *クラスタ ,  機械学習 ,  基準線 ,  予測モデル
準シソーラス用語： 実行時間 ,  プラグイン ,  プロファイリング ,  軽量 ,  サービス品質保証 ,  スケジューラ ,  オフライン ,  オンライン ,  畳込みニューラルネットワーク ,  *動的スケジューリング , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (6件)： クラスタ ,  CNN ,  タスク ,  QOS ,  誘導 ,  動的スケジューリング