通信系统优化对分布式机器学习系统性能提升的分析

来源 :信息通信技术与政策 | 被引量 : 0次 | 上传用户:dd398622409xiewenjin
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着人工智能技术的迅猛发展,分布式机器学习系统的应用不断加速,对该系统性能提升的研究愈发紧迫。聚焦用于分布式机器学习的通信系统对整体系统性能提升的重大影响,从机器学习计算的独特性及分布式系统性能现有分析理论的局限性入手,对理论和工程实现两个维度深度分析了通信系统优化对于分布式机器学习系统实现线性乃至超线性加速的可行性,提出了影响分布式机器学习系统性能提升最为关键的三个通信系统优化核心要素,并对机器学习分布式系统中的通信优化理论及未来实践方向作出了展望。
其他文献
本文提出了一种利用RCS库辅助构建控制系统软件的方法,介绍了RCS库的几个重要基类及其内部实现原理,并且结合数控软件实例说明编程要点.
DDoS攻击是当今IPv4网络上最严重的威胁之一,IPv6网络在安全性方面的设计十分优越,但由IPv4过渡到IPv6网络还需要一些转换机制,本文对转换机制中存在的安全问题进行了介绍,并
本文首先介绍了防火墙的基本技术--包过滤的工作原理.通过一个防火墙构建实例,显示了传统包过滤的局限性,进而引人状态包过滤的概念,最后对其工作原理和实现的关键部分进行分
深入研究了Globus工具包中数据传输模型的结构、实现细节和特点,在此基础上吸取它的优点,提出了一个新的与Globus工具无关的数据传输模型.该模型立足于为用户提供方便的使用