Finis Terrae II 上机器学习框架的评估
分布式、并行与集群计算
2018-01-16 v1 机器学习
摘要
机器学习（ML）与深度学习（DL）是两种用于针对特定目的提取数据表示的技术。ML 算法以一组数据为输入来生成一个或若干预测。为定义模型的最终版本，通常有一个初始步骤用于训练算法（获取模型参数的正确最终值）。存在若干技术，从监督学习到强化学习，它们有不同需求。市场上有一些框架或 API 可减轻设计新 ML 模型的工作。在本报告中，我们使用基准 DLBENCH，分析在采用监督学习时 Finis Terrae II 超级计算机上若干知名 ML 框架的性能与执行模式。报告将表明数据的放置与分配的硬件会对最终求解时间产生很大影响。
引用
@article{arxiv.1801.04546,
title = {Evaluation of Machine Learning Fameworks on Finis Terrae II},
author = {Andres Gomez Tato},
journal= {arXiv preprint arXiv:1801.04546},
year = {2018}
}