發(fā)布時間：2023-03-05 15:48

　　隨著全球科技變革的推進,人工智能成為各大公司的研究熱點和戰(zhàn)略重心。TensorFlow是谷歌推出的開源機器學習框架,自開源以來便受到極大關注,是GitHub社區(qū)上最受歡迎的機器學習、深度學習項目之一。目前,TensorFlow可以在多個云平臺上部署運行,但仍存在軟件的依賴與管理問題,而利用Docker技術具有的快速部署與可移植等優(yōu)勢,通過Docker容器實現(xiàn)TensorFlow的虛擬化異構,可以解決TensorFlow環(huán)境依賴的問題,并為科研人員及工程師提供便捷的開發(fā)環(huán)境,具有現(xiàn)實的應用意義。本文通過TensorFlow與市場上其他主流深度學習框架的對比分析,針對TensorFlow在任務調度、容錯等方面存在的不足,提出相應的改進優(yōu)化方案;利用Docker技術擁有的資源隔離、高性能及可移植等優(yōu)點,使用Docker容器部署TensorFlow,實現(xiàn)TensorFlow的虛擬化異構;通過構建基于Docker集群的TensorFlow深度學習系統(tǒng),實現(xiàn)TensorFlow深度學習系統(tǒng)的分布式部署,提升平臺數(shù)據(jù)吞吐量;并通過多GPU并行化模型訓練方案,解決深度學習訓練時間長的問題。本文實現(xiàn)了以...

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
    1.2 國內外現(xiàn)狀研究
        1.2.1 Docker容器研究現(xiàn)狀
        1.2.2 TensorFlow研究現(xiàn)狀
    1.3 主要研究內容
    1.4 論文組織結構
第二章 相關理論及技術研究
    2.1 Docker容器技術
        2.1.1 Docker概述
        2.1.2 Docker組織構架
        2.1.3 Docker核心組件
    2.2 TensorFlow深度學習框架
        2.2.1 TensorFlow概述
        2.2.2 TensorFlow框架特性
        2.2.3 TensorFlow編程模型
    2.3 本章小結
第三章 TensorFlow架構研究與優(yōu)化
    3.1 TensorFlow架構的研究分析
        3.1.1 主流深度學習框架對比分析
        3.1.2 TensorFlow框架存在的問題
    3.2 任務分配策略設計與實現(xiàn)
        3.2.1 任務分配策略基本思想
        3.2.2 任務分配策略設計與實現(xiàn)
    3.3 容錯機制設計與實現(xiàn)
        3.3.1 容錯機制基本思想
        3.3.2 容錯機制設計與實現(xiàn)
    3.4 性能監(jiān)控服務設計與實現(xiàn)
        3.4.1 性能監(jiān)控服務需求分析
        3.4.2 性能監(jiān)控服務設計與實現(xiàn)
    3.5 本章小結
第四章 虛擬化異構TensorFlow架構的實現(xiàn)
    4.1 分布式部署
        4.1.1 Docker容器通信設計與實現(xiàn)
        4.1.2 Docker容器集群架構設計
    4.2 容器集群管理
        4.2.1 集群資源管理
        4.2.2 容器彈性伸縮設計與實現(xiàn)
        4.2.3 資源調度策略設計與實現(xiàn)
    4.3 并行化訓練
        4.3.1 模型并行方案設計
        4.3.2 數(shù)據(jù)并行方案設計
        4.3.3 環(huán)形并行結構實現(xiàn)
    4.4 本章小結
第五章 測試與分析
    5.1 環(huán)境配置與搭建
        5.1.1 環(huán)境配置
        5.1.2 環(huán)境搭建
    5.2 性能測試與分析
        5.2.1 物理主機與Docker容器性能對比
        5.2.2 TensorFlow優(yōu)化前后性能對比實驗
        5.2.3 異構化TensorFlow與分布式版本TensorFlow性能對比實驗
    5.3 本章總結
第六章 總結與展望
    6.1 論文工作總結
    6.2 研究展望
參考文獻
攻讀學位期間的研究成果
致謝



本文編號：3756480