文献

J-GLOBAL ID：202102291376581904   整理番号：21A2350901

配置意識のある異種クラスタにおける分散深層学習ジョブのスケジューリング【JST・京大機械翻訳】

Scheduling Distributed Deep Learning Jobs in Heterogeneous Cluster with Placement Awareness

著者 (3件)： Li Qingping (Sensetime, CN) ,  Xu Jingwei (Nanjing University, CN) ,  Cao Chun (Nanjing University, CN)
資料名： ACM Proceedings  (ACM Proceedings)
号： Internetware’20  ページ： 217-228  発行年： 2020年 
JST資料番号： D0698C  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： 深層ニューラルネットワークモデルは,多くの実世界ソフトウェアアプリケーションの一部として統合されている。巨大なモデルサイズと複雑な計算のため,分散深層学習(DDL)フレームワークは,資源割当とジョブスケジューリングの両方からDDL訓練ジョブを管理するための高品質クラスタスケジューラを提供することを目的とする。しかしながら,既存のスケジューラは,固定量の資源を割り当てるか,あるいはタスク配置を制御せずに,より少ない効率の訓練をもたらす。本論文では,DDLジョブ用に調整したGPUクラスタスケジューラであるDeepSysを提案した。単一モデルのために,DeepSysは,正確な訓練速度を予測する速度モデルと高品質資源利用のための記憶モデルを造る。ジョブスケジューリングのために,DeepSysは,クラスタにおける効率的なジョブスケジューリングを提供するために,資源割り当てとタスク配置を考慮する。2つのクラスタにおけるKubernetesに関して実行した実験は,平均ジョブ完了時間とメイクスパンに関して,それぞれ,20%-25%と10%-15%によって比較した方法への利点を示した。Please refer to this article’s citation page on the publisher website for specific rights information. 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 ,  資源割付 ,  *クラスタ
準シソーラス用語： メイクスパン ,  スケジューラ ,  ジョブスケジューリング ,  資源利用 ,  GPUクラスタ ,  *深層学習 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 深層ニューラルネットワーク ,  不均一クラスタ ,  スケジューリング

分類 (3件)： ディジタル計算機方式一般  (JC02010O) ,  オペレーティングシステム  (JD03020J) ,  計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 意識 ,  クラスタ ,  深層学習 ,  スケジューリング