HyperSched:デッドライン上でのモデル開発のための動的リソース再配置【JST・京大機械翻訳】

Liaw Richard; Bhardwaj Romil; Dunlap Lisa; Zou Yitian; Gonzalez Joseph; Stoica Ion; Tumanov Alexey

プレプリント

J-GLOBAL ID：202202202976237427 整理番号：22P0098536

HyperSched:デッドライン上でのモデル開発のための動的リソース再配置【JST・京大機械翻訳】

HyperSched: Dynamic Resource Reallocation for Model Development on a Deadline

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2020年01月07日プレプリントサーバーでの情報更新日： 2020年01月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

機械学習訓練作業負荷のための資源スケジューリングにおける以前の研究は,主にジョブ完了時間の最小化に焦点を合わせている。一般に,これらのモデル訓練は,ハイパーパラメータ探索における学習プロセスを制御する多数のパラメータ値にわたって,集団的に探索する。できるだけ早く最高の精度結果を達成するために,最良性能ハイパーパラメータ構成(試行)を同定し,最大限に提供することが望ましい。多重構成を評価し,固定デッドラインにより最も有望なものを訓練する最適トレードオフのために,著者らは,デッドラインによって精度を最大化するために,最適性能試験に資源を追跡,同定,そして優先的に割り当てるために,HyperSched-a動的アプリケーション-レベル資源スケジューラを設計し,構築する。ハイパースケジューリングは,事前の作業-試行可能性,異なる構成間の漸進的に識別可能なランキング,および空間-時間制約において,超パラメータ探索作業負荷の3つの特性を利用して,様々なベンチマークを横断して標準超パラメータ探索アルゴリズムを凌駕する。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

オペレーティングシステム

, , , ,

前のページに戻る