当前位置:首页 > 报告详情

2017年TensorFlow遇上Kubernetes-中兴通讯人工智能计算平台的技术实践.pdf

上传人: 云闲 编号:92738 2021-01-01 50页 4.32MB

1、.架构概述编程模型运行模型训练模型Tensorflow遇上Kubernetes参考文献TensorFlow 遇上Kubernetes中兴通讯人工智能计算平台的技术实践2017-08-05刘光聪,韩炳涛(ZTE)TensorFlow on Kubernetes2017.081/50.架构概述编程模型运行模型训练模型Tensorflow遇上Kubernetes参考文献内容1架构概述2编程模型3运行模型4训练模型5Tensorflow遇上Kubernetes6参考文献刘光聪,韩炳涛(ZTE)TensorFlow on Kubernetes2017.082/50.架构概述编程模型运行模型训练模型Ten

2、sorflow遇上Kubernetes参考文献架构概述1系统架构2图控制刘光聪,韩炳涛(ZTE)TensorFlow on Kubernetes2017.083/50.架构概述编程模型运行模型训练模型Tensorflow遇上Kubernetes参考文献系统架构系统架构刘光聪,韩炳涛(ZTE)TensorFlow on Kubernetes2017.084/50.架构概述编程模型运行模型训练模型Tensorflow遇上Kubernetes参考文献系统架构设计原则延迟计算:图的构造与执行分离,并推迟计算图的执行过程原子OP:OP是最小的抽象计算单元,支持构造复杂的网络模型抽象设备:支持CPU,GP

3、U,ASIC多种异构设备类型抽象任务:基于Task的PS,支持优化算法和网络模型的扩展刘光聪,韩炳涛(ZTE)TensorFlow on Kubernetes2017.085/50.架构概述编程模型运行模型训练模型Tensorflow遇上Kubernetes参考文献图控制构造计算图刘光聪,韩炳涛(ZTE)TensorFlow on Kubernetes2017.086/50.架构概述编程模型运行模型训练模型Tensorflow遇上Kubernetes参考文献图控制执行计算图刘光聪,韩炳涛(ZTE)TensorFlow on Kubernetes2017.087/50.架构概述编程模型运行模型训

4、练模型Tensorflow遇上Kubernetes参考文献图控制图分解:按Task分解刘光聪,韩炳涛(ZTE)TensorFlow on Kubernetes2017.088/50.架构概述编程模型运行模型训练模型Tensorflow遇上Kubernetes参考文献图控制注册图刘光聪,韩炳涛(ZTE)TensorFlow on Kubernetes2017.089/50.架构概述编程模型运行模型训练模型Tensorflow遇上Kubernetes参考文献图控制执行图刘光聪,韩炳涛(ZTE)TensorFlow on Kubernetes2017.0810/50.架构概述编程模型运行模型训练模型

5、Tensorflow遇上Kubernetes参考文献编程模型1计算图2变量3会话4图构造刘光聪,韩炳涛(ZTE)TensorFlow on Kubernetes2017.0811/50.架构概述编程模型运行模型训练模型Tensorflow遇上Kubernetes参考文献计算图Graph=SetOP+SetTensor刘光聪,韩炳涛(ZTE)TensorFlow on Kubernetes2017.0812/50.架构概述编程模型运行模型训练模型Tensorflow遇上Kubernetes参考文献计算图OP:抽象计算刘光聪,韩炳涛(ZTE)TensorFlow on Kubernetes2017

6、.0813/50.架构概述编程模型运行模型训练模型Tensorflow遇上Kubernetes参考文献计算图Tensor:承载数据刘光聪,韩炳涛(ZTE)TensorFlow on Kubernetes2017.0814/50.架构概述编程模型运行模型训练模型Tensorflow遇上Kubernetes参考文献变量初始化模型刘光聪,韩炳涛(ZTE)TensorFlow on Kubernetes2017.0815/50.架构概述编程模型运行模型训练模型Tensorflow遇上Kubernetes参考文献变量初始化依赖刘光聪,韩炳涛(ZTE)TensorFlow on Kubernetes201

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要探讨了TensorFlow在Kubernetes上的应用,以及TensorFlow在大规模异构分布式系统上的机器学习。文中提到了TensorFlow的两种注册梯度方法,分别是Square和OP。Square注册梯度方法返回的是输入op的梯度的两倍。OP注册梯度方法则是一个通用的梯度构造方法,它返回了每个输入op的梯度。此外,文中还介绍了TensorFlow的优化器,包括ClientSession和MasterSession。ClientSession用于计算梯度,而MasterSession则用于应用梯度。最后,文中还提到了TensorFlow在Kubernetes上的应用,包括TensorFlow Kubernetes、TensorFlow On Kubernetes和TensorFlow On Kubernetes K8s GPU RMDA等。
如何实现高效的机器学习部署?" 如何优化GPU资源管理?" "TensorFlow: 大规模机器学习如何在异构分布式系统上进行?"
客服
商务合作
小程序
服务号
折叠