各种参数下开源机器学习框架在单线程与多线程模式中的性能分析
机器学习
2017-11-28 v1 计算机视觉与模式识别
分布式、并行与集群计算
性能
摘要
考虑并比较了一些最通用且流行的开源机器学习框架（TensorFlow、Deep Learning4j 和 H2O）的基本特性。对其进行了对比分析，并得出了这些平台的优缺点结论。在 H2O 框架上，针对为 CPU 和 GPU 平台设计的深度学习算法，在单线程和多线程操作模式下，使用事实标准 MNIST 数据集进行了性能测试。此外，我们展示了在 H2O 平台上针对各种激活函数、停止指标以及机器学习算法的其他参数测试神经网络架构的结果。针对手写数字 MNIST 数据库在单线程模式下的用例表明，盲目选择这些参数可能使运行时间大幅增加（2-3个数量级）而精度无显著提升。该结果对优化现有及新的机器学习方法，尤其是图像识别问题，具有关键影响。
引用
@article{arxiv.1708.08670,
title = {Performance Analysis of Open Source Machine Learning Frameworks for Various Parameters in Single-Threaded and Multi-Threaded Modes},
author = {Yuriy Kochura and Sergii Stirenko and Oleg Alienin and Michail Novotarskiy and Yuri Gordienko},
journal= {arXiv preprint arXiv:1708.08670},
year = {2017}
}
备注
15 pages, 11 figures, 4 tables; this paper summarizes the activities which were started recently and described shortly in the previous conference presentations arXiv:1706.02248 and arXiv:1707.04940; it is accepted for Springer book series "Advances in Intelligent Systems and Computing"