文献

J-GLOBAL ID：202102280982014293   整理番号：21A0664324

テンソルフロー2における分散訓練の性能評価【JST・京大機械翻訳】

Performance Evaluation of Distributed Training in Tensorflow 2

著者 (3件)： Quang-Hung Nguyen (Vietnam National University Ho Chi Minh City,Ho Chi Minh City,Vietnam) ,  Doan Hieu (Hewlett Packard Enterprise Vietnam,Ho Chi Minh City,Vietnam) ,  Thoai Nam (Vietnam National University Ho Chi Minh City,Ho Chi Minh City,Vietnam)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ACOMP  ページ： 155-159  発行年： 2020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： 深層学習(DL)は,オブジェクト同定,自然言語処理,音声処理,自律車両におけるアプリケーションアルゴリズムなど多くの興味ある結果をもたらすので,人工知能(AI)に最も興味があり,DLも中性子ネットワークを使用する。アプリケーションのための有用なニューラルアーキテクチャは,訓練プロセスの間に適切に選択する必要がある数百万の数を持つ。このアーキテクチャを訓練するための最も一般的な技術は,勾配ベースの反復技術である。訓練プロセスを完成させるためには,訓練プロセスが遅いので,大量のデータで反復する必要がある。高性能コンピューティング(HPC)技術なしで,ネットワークアーキテクチャの訓練を完了するために,週または月を取り入れる。分散訓練による訓練DLは,学習プロセスを改善し,計算時間を削減するための解決策の1つである。本論文では,いくつかのGPU上のTensorflow2.2の分散訓練戦略に対する性能評価を研究した。Copyright 2021 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： アルゴリズム ,  中性子 ,  ネットワーク ,  自然言語処理 ,  音声処理 ,  人工知能 ,  応用プログラム ,  *計算機アーキテクチャ ,  性能評価 ,  ネットワークアーキテクチャ ,  自律性 ,  深層学習
準シソーラス用語： 学習過程 ,  高性能コンピューティング , 【Automatic Indexing@JST】

分類 (5件)： 図形・画像処理一般  (JE04010I) ,  専用演算制御装置  (JC04030Y) ,  医用画像処理  (JE04020T) ,  音声処理  (JE05000E) ,  NMR一般  (BM07041R)

タイトルに関連する用語 (4件)： テンソル ,  フロー ,  訓練 ,  性能評価