【摘要】：近些年來,深度學(xué)習(xí)技術(shù)在圖像分類、語音識別、自然語言處理等領(lǐng)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(xué)習(xí)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(xué)習(xí)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(xué)習(xí)任務(wù)時使用的還是單機(jī)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(wù)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(xué)習(xí)任務(wù),這樣在一定程度上可避免在單機(jī)上處理深度學(xué)習(xí)任務(wù)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(guān)注的是:以最少的租賃費(fèi)用成功處理本地的任務(wù)。但是現(xiàn)有關(guān)于云計算環(huán)境下任務(wù)調(diào)度研究大多數(shù)都是以減少任務(wù)在云端完成執(zhí)行的時間跨度為目標(biāo),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(wù)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(xué)習(xí)任務(wù)時,實現(xiàn)以縮短深度學(xué)習(xí)任務(wù)完成執(zhí)行的時間跨度和降低云資源租賃開銷為目標(biāo)的高性能深度學(xué)習(xí)任務(wù)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(xué)習(xí)任務(wù)調(diào)度技術(shù)開展深入研究,主要解決了用戶用MXNet處理深度學(xué)習(xí)任務(wù)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(yīng)的優(yōu)化方案,并對改進(jìn)蟻群算法(Genetic And Ant Colony Optimization Algorithm,GAACOA)在求解旅行商問題上進(jìn)行性能評估,實驗表明,GAACOA算法的求解結(jié)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(xué)習(xí)任務(wù)的資源租賃開銷最小化目標(biāo),本文建立了云計算環(huán)境下基于GAACOA算法的深度學(xué)習(xí)任務(wù)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(xué)習(xí)任務(wù)調(diào)度問題進(jìn)行實驗驗證,通過和相關(guān)算法的求解結(jié)果對比表明,GAACOA算法能夠優(yōu)化深度學(xué)習(xí)任務(wù)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(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP18;TP3

【參考文獻(xiàn)】

相關(guān)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(yīng)用綜述[J];軟件導(dǎo)刊;2017年12期

2 王治東;;云計算環(huán)境下任務(wù)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(jī)應(yīng)用;2016年03期

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

5 李智勇;陳少淼;楊波;李仁發(fā);;異構(gòu)云環(huán)境多目標(biāo)Memetic優(yōu)化任務(wù)調(diào)度方法[J];計算機(jī)學(xué)報;2016年02期

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

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

8 尹寶才;王文通;王立春;;深度學(xué)習(xí)研究綜述[J];北京工業(yè)大學(xué)學(xué)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(wù)調(diào)度研究[J];計算機(jī)工程與應(yīng)用;2014年06期

10 朱宗斌;杜中軍;;基于改進(jìn)GA的云計算任務(wù)調(diào)度算法[J];計算機(jī)工程與應(yīng)用;2013年05期

相關(guān)博士學(xué)位論文 前1條

1 史恒亮;云計算任務(wù)調(diào)度研究[D];南京理工大學(xué);2012年

相關(guān)碩士學(xué)位論文 前5條

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

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

3 張曉磊;云計算獨(dú)立任務(wù)及關(guān)聯(lián)任務(wù)調(diào)度算法研究[D];重慶大學(xué);2014年

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

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

本文編號：2732974