文献

J-GLOBAL ID：202002273549272905   整理番号：20A0079478

深層学習研究開発プラットフォーム:GPUクラスタ上のQoS保証による特性化とスケジューリング【JST・京大機械翻訳】

Deep Learning Research and Development Platform: Characterizing and Scheduling with QoS Guarantees on GPU Clusters

著者 (7件)： Chen Zhaoyun (Department of Computer, National University of Defense Technology, Changsha, China) ,  Quan Wei (Department of Computer, National University of Defense Technology, Changsha, China) ,  Wen Mei (Department of Computer, National University of Defense Technology, Changsha, China) ,  Fang Jianbin (Department of Computer, National University of Defense Technology, Changsha, China) ,  Yu Jie (Department of Computer, National University of Defense Technology, Changsha, China) ,  Zhang Chunyuan (Department of Computer, National University of Defense Technology, Changsha, China) ,  Luo Lei (Department of Computer, National University of Defense Technology, Changsha, China)
資料名： IEEE Transactions on Parallel and Distributed Systems  (IEEE Transactions on Parallel and Distributed Systems)
巻： 31  号： 1  ページ： 34-50  発行年： 2020年 
JST資料番号： T0882A  ISSN： 1045-9219  CODEN： ITDSEO  資料種別： 逐次刊行物 (A)
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： 深い学習(DL)は人工知能(AI)の様々な領域で広く採用されており,産業と学界における劇的な発展を達成している。巨大なAI企業の他に,多数の中小企業,研究所,大学(EIU)は,DLの研究開発(R&D)に焦点を合わせている。データセンタと高性能コンピューティング(HPC)システムの高いコストを考慮して,EIUは,多様なDL作業負荷を処理するために,複数のユーザと開発者のためのDLR研究開発プラットフォームとして,オフザシェルGPUクラスタを採用することを好んでいる。このようなシナリオにおいて,共有GPUクラスタ上の複数のDLタスクのスケジューリングは,限られた資源を効率的に利用することに関して重要で挑戦的である。既存のスケジューラは,多様なDL作業負荷の資源要求を予測することができず,計算資源の利用不足とユーザ満足度の低下をもたらす。本論文では,共有GPUクラスタに対するQoS認識動的スケジューリングフレームワーク,GENIEを提案し,ユーザのQoS保証と高いシステム利用を達成した。徹底的な特性化に従って,GENIEはDLタスクの性能に影響を及ぼす重要な要因を分析し,多様なDL作業負荷に対する処理速度と応答待ち時間を推定するための軽量プロファイリングから導出した予測モデルを提案した。予測モデルに基づいて,著者らは,DLタスクのための最良の配置を同定し,共有クラスタ上でそれらをスケジュール化するためのQoS認識スケジューリングアルゴリズムを提案した。GPUクラスタと大規模シミュレーションに関する実験は,GENIEが他のベースラインスケジューラと比較して,67.4パーセントまでのQoS保証パーセント改善と28.2パーセントまでの実行可能性低減を達成することを実証した。Copyright 2020 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： 基準線 ,  待ち時間 ,  データセンタ ,  *クラスタ ,  *学習 ,  人工知能 ,  *スケジューリング ,  中小企業 ,  予測モデル ,  キャラクタリゼーション
準シソーラス用語： スケジューリングアルゴリズム ,  プロファイリング ,  計算資源 ,  スケジューラ ,  *深層学習 , 【Automatic Indexing@JST】

分類 (3件)： 移動通信  (ND08030H) ,  音声処理  (JE05000E) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： 深層学習 ,  研究 ,  開発 ,  プラットフォーム ,  GPUクラスタ ,  QoS保証 ,  特性化 ,  スケジューリング