面向GPU集群的動態(tài)資源調(diào)度方法

摘要： 深度神經(jīng)網(wǎng)絡(luò)（deep neural network,DNN）已廣泛應(yīng)用于人類社會的許多領(lǐng)域.大規(guī)模的DNN模型可顯著提高識別精度，然而在單個(gè)GPU設(shè)備上訓(xùn)練大規(guī)模的DNN模型需要耗費(fèi)大量的時(shí)間.因此，如何借助分布式深度學(xué)習(xí)（distributed deep learning,DDL）技術(shù)，在GPU集群上并行地訓(xùn)練多DNN模型已受到工業(yè)界和學(xué)術(shù)界的廣泛關(guān)注.基于此，提出一種面向...