関係データベースからの重複による深層学習モデル【JST・京大機械翻訳】

Zhou Lixi; Chen Jiaqing; Das Amitabh; Min Hong; Yu Lei; Zhao Ming; Zou Jia

プレプリント

J-GLOBAL ID：202202211489838651 整理番号：22P0279602

関係データベースからの重複による深層学習モデル【JST・京大機械翻訳】

Serving Deep Learning Models with Deduplication from Relational Databases

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： 2022年01月25日プレプリントサーバーでの情報更新日： 2022年10月21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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

関係データベースから深層学習モデルを行うのに,大きな利益がある。第1に,データベースから抽出した特徴は推論のために任意の分離深層学習システムに転送する必要がなく,従ってシステム管理オーバヘッドを大幅に削減できる。第2に,関係データベースにおいて,ストレージ階層構造に沿ったデータ管理は,質問処理で完全に統合され,従って,作業セットサイズが利用可能なメモリを超えているとしても,モデルサービスを継続できる。モデル重複の適用は,記憶空間,メモリフットプリント,キャッシュミス,および推論待ち時間を大いに減らすことができる。しかしながら,既存のデータ重複技法は,関係データベースにおけるアプリケーションの深い学習モデルには適用できない。それらは,テンソルブロックとデータベースページの間の不整合と同様に,モデル推論精度に及ぼす影響を考慮しない。本研究は,モデルサービスのためのデータベースシステムを強化するために,重複検出,ページパッキングおよびキャッシングのための相乗的貯蔵最適化技術を提案した。オブジェクト指向関係データベースであるネットDBにおいて提案手法を実装した。評価結果は,提案技法が記憶効率およびモデル推論待ち時間を著しく改善し,関係データベースからのモデルサービスが,作業セットサイズが利用可能なメモリを超えるとき,既存の深層学習フレームワークを凌駕することを示した。【JST・京大機械翻訳】

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

人工知能

, ,

前のページに戻る