|
面向异构计算的大数据智能分析平台的设计与实现 | |
论文目录 | |
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 论文研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文结构 | 第11-12页 |
| 第二章 基于DeepMaster的异构计算平台设计与实现 | 第12-30页 |
| 2.1 异构计算平台的架构 | 第12-16页 |
| 2.2 DeepMaster的异构计算资源调度 | 第16-26页 |
| 2.2.1 大数据处理的调度 | 第16-18页 |
| 2.2.2 单卡训练的调度 | 第18-22页 |
| 2.2.3 分布式训练的调度 | 第22-26页 |
| 2.3 与云计算的融合 | 第26-29页 |
| 2.3.1 兼得高性能与虚拟化优势的融合方案 | 第26-28页 |
| 2.3.2 快速定制化部署与动态缩扩容 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 用户接口与程序迁移成本 | 第30-39页 |
| 3.1 用户接口 | 第30-33页 |
| 3.1.1 任务提交接口 | 第30-31页 |
| 3.1.2 任务日志查看接口 | 第31-32页 |
| 3.1.3 资源监控接口 | 第32-33页 |
| 3.2 程序迁移成本 | 第33-38页 |
| 3.2.1 大数据处理和单卡训练场景 | 第33-36页 |
| 3.2.2 分布式TensorFlow训练场景 | 第36-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第四章 GPU/CPU融合计算 | 第39-48页 |
| 4.1 Analytics-Zoo简介 | 第39-40页 |
| 4.2 与异构计算平台的集成 | 第40-42页 |
| 4.3 使用接口 | 第42-45页 |
| 4.4 训练性能 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 平台性能分析 | 第48-61页 |
| 5.1 异构计算平台对资源利用率的提升作用 | 第48-55页 |
| 5.2 单卡训练性能 | 第55-59页 |
| 5.3 分布式训练性能 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文目录 | 第66页 |
本篇论文共66页，点击
这进入下载页面 |
|
| Copyright(C) All Rights Reserved |
| 客服QQ：304386486 |
| 目录由用户 youli19826** 提供，作者删除入口请点击这里 |