【摘要】：近些年來,深度學習技術在圖像分類、語音識別、自然語言處理等領域展現(xiàn)出了巨大的優(yōu)勢。MXNet作為一款性能較佳的深度學習框架,其在速度、節(jié)省內(nèi)存、接口靈活性、可移植性、分布式效率等方面都有突出的表現(xiàn),并在2016年被選為Amazon AWS官方深度學習平臺。但是調(diào)查發(fā)現(xiàn),目前大部分企業(yè)用戶在使用MXNet處理深度學習任務時使用的還是單機版的MXNet,這對滿足目前的數(shù)據(jù)量,數(shù)據(jù)吞吐量以及計算的迭代速度等要求方面都存在著很大的局限性。云計算作為一種新型的商業(yè)模式,憑借其海量計算資源與即付即用的服務模式受到了用戶廣泛歡迎,因此用戶可以通過按需租賃云資源來處理本地深度學習任務,這樣在一定程度上可避免在單機上處理深度學習任務時存在的局限性。由于在現(xiàn)實生活中,用戶在租賃云資源時往往最關注的是:以最少的租賃費用成功處理本地的任務。但是現(xiàn)有關于云計算環(huán)境下任務調(diào)度研究大多數(shù)都是以減少任務在云端完成執(zhí)行的時間跨度為目標,只有較少的研究同時兼顧到時間跨度和資源租賃開銷且使用的任務調(diào)度算法在性能上也存在缺陷。因此在云端使用MXNet處理深度學習任務時,實現(xiàn)以縮短深度學習任務完成執(zhí)行的時間跨度和降低云資源租賃開銷為目標的高性能深度學習任務調(diào)度算法具有很重要的現(xiàn)實意義。針對現(xiàn)有研究的不足,本文主要對云計算環(huán)境下基于MXNet平臺的深度學習任務調(diào)度技術開展深入研究,主要解決了用戶用MXNet處理深度學習任務的云資源租賃開銷最小化問題,主要工作如下:1)蟻群算法在求解組合優(yōu)化問題上有著良好的表現(xiàn),但是傳統(tǒng)蟻群算法也存在部分缺陷,針對傳統(tǒng)蟻群算法存在的缺陷,本文提出了相應的優(yōu)化方案,并對改進蟻群算法(Genetic And Ant Colony Optimization Algorithm,GAACOA)在求解旅行商問題上進行性能評估,實驗表明,GAACOA算法的求解結果在最優(yōu)路徑和算法迭代次數(shù)上要優(yōu)于傳統(tǒng)遺傳算法和傳統(tǒng)蟻群算法。2)針對用戶在云端處理深度學習任務的資源租賃開銷最小化目標,本文建立了云計算環(huán)境下基于GAACOA算法的深度學習任務調(diào)度模型,并對GAACOA算法求解云計算環(huán)境下基于MXNet平臺的深度學習任務調(diào)度問題進行實驗驗證,通過和相關算法的求解結果對比表明,GAACOA算法能夠優(yōu)化深度學習任務完成執(zhí)行的時間跨度的同時,并有效降低了云資源租賃開銷。
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP18;TP3

【參考文獻】

相關期刊論文 前10條

1 喬東平;裴杰;肖艷秋;周坤;;蟻群算法及其應用綜述[J];軟件導刊;2017年12期

2 王治東;;云計算環(huán)境下任務調(diào)度研究綜述[J];中國新通信;2017年09期

3 林基明;班文嬌;王俊義;童記超;;基于并行遺傳-最大最小蟻群算法的分布式數(shù)據(jù)庫查詢優(yōu)化[J];計算機應用;2016年03期

4 柳玉;向東陽;鄭春弟;;面向異構分布式計算環(huán)境的并行任務調(diào)度優(yōu)化方法[J];系統(tǒng)工程與電子技術;2016年02期

5 李智勇;陳少淼;楊波;李仁發(fā);;異構云環(huán)境多目標Memetic優(yōu)化任務調(diào)度方法[J];計算機學報;2016年02期

6 邢曉溪;;粒子群算法研究進展[J];數(shù)據(jù)通信;2015年03期

7 魏峗;陳元元;;基于改進蟻群算法的云計算任務調(diào)度模型[J];計算機工程;2015年02期

8 尹寶才;王文通;王立春;;深度學習研究綜述[J];北京工業(yè)大學學報;2015年01期

9 張雨;李芳;周濤;;云計算環(huán)境下基于遺傳蟻群算法的任務調(diào)度研究[J];計算機工程與應用;2014年06期

10 朱宗斌;杜中軍;;基于改進GA的云計算任務調(diào)度算法[J];計算機工程與應用;2013年05期

相關博士學位論文 前1條

1 史恒亮;云計算任務調(diào)度研究[D];南京理工大學;2012年

相關碩士學位論文 前5條

1 王貝;云計算環(huán)境下任務調(diào)度優(yōu)化算法的研究[D];中國科學技術大學;2017年

2 王詩瑤;基于深度神經(jīng)網(wǎng)絡的事件實時處理系統(tǒng)[D];北京郵電大學;2017年

3 張曉磊;云計算獨立任務及關聯(lián)任務調(diào)度算法研究[D];重慶大學;2014年

4 黃璐;基于遺傳算法的云計算任務調(diào)度算法研究[D];廈門大學;2014年

5 鄭莉;云計算環(huán)境下資源調(diào)度關鍵技術研究[D];北京郵電大學;2014年

本文編號：2732974