所在位置: 前沿科技首页 > 最新文章 > 人工智能  > 正文

一个手机号能注册几个淘宝账号:MIT:人工智能让数据中心更有效地运行

2019-08-23 09:04:46 来源: MIT news 作者: 马嘉悦
本文来源:http://www.133458.com/news_cnr_cn/

申博太阳城直营网,在开放平台方面,中国移动构建了车联网开放平台,支持各类车载智能硬件的海量接入,打造大数据分析能力,为自有业务、合作产品、行业客户提供全方位的连接及数据服务;在大数据能力方面,以各类车载智能硬件采集上传的GPS、G-sensor、速度、故障、视频、图像等数据为基础,综合天气、路况、地理信息等各类环境数据,实现精准的用户画像,为车厂、4S、保险等行业客户提供大数据服务。根据外媒此前的报道,似乎使用了与一样的1/3英寸感光元件,而光圈提升至f/1.8;至于Plus,它的等效28mm镜头和是同款,光圈也是f/1.8,而等效56mm镜头的CMOS尺寸只有1/3.,光圈也变成了f/2.8。  在2016全年的主板新品中,最热闹的莫过于在每年的期间,各大硬件厂商都会为全球的玩家们带来最新、最酷的硬件产品。春江水暖鸭先知。

“安全科技,用心演绎”的汉邦高科,以技术为基础、以市场为导向,汉邦高科愿与中国安防行业共同成长。主办单位:慧聪安防网中国安防服务联盟安徽站将于12月15日在广西南宁的南宁国宾美景养生酒店举办,我们与众企业共同恭候您的到来!欢迎垂询:报名预约请电话咨询,加微信获取参会编码。通过中国发展计划,Concur将从三个方面为中国用户创造卓越价值。今天我们就来谈谈国产VR这场狂欢背后的真相。

而且还得到了欧洲最大之一提供的支持。出色的渲染通道自定义设置功能,画质由你来掌握!  硬件加速模式即高清硬解播放功能,从根本上解决播放高清影片的CPU占用问题。其次,国内元器件工厂很多,国内的安防企业采购成本也较低,且因为人口红利目前还在,所以商品生产成本也处于比较低廉的状态。这样,用户自造词的工作量减少,提高了效率.

MIT研究人员开发的一个新系统自动“学习”如何在数千台服务器之间分配数据处理操作

传统上,针对特定的工作负载优化调度算法几乎是不可能的。据麻省理工学院(MIT)官网称,MIT研究人员开发的一个新系统自动“学习”如何在数千台服务器上调度数据处理操作帮助数据中心更高效地运行。 

MIT的研究人员利用“强化学习”(RL:一种反复试验的机器学习技术)来根据特定服务器集群中的特定工作负载调整调度决策的系统。他们构建了新的RL技术,可以在复杂的工作负载下进行培训。在培训中,系统尝试了许多可能的方法来跨服务器分配传入的工作负载,最终在利用计算资源和快速处理速度方面找到了最佳折衷。不需要人工干预,只需要简单的指导

与最优秀的手写调度算法相比,系统完成任务的速度快20%30%,在高流量的时候快一倍。该系统可以使数据中心以更快的速度处理相同的工作负载,使用更少的资源。

RL的调度

通常,数据处理作业进入以“节点”和“边”图表示的数据中心。每个节点代表一些需要完成的计算任务,其中节点越大,所需的计算能力就越大。连接节点的边将连接的任务链接在一起。调度算法根据不同的策略为服务器分配节点。

但是传统的RL系统不习惯处理这样的动态图。为了构建基于RL的调度程序,研究人员必须开发一个模型,该模型可以处理图形结构作业,并可扩展到大量作业和服务器。

他们系统的“代理”是一种调度算法,它利用图神经网络,通常用于处理图结构数据。为了提出一个适合于调度的图神经网络,他们实现了一个自定义组件,该组件聚合图中不同路径上的信息——比如快速估计完成图中给定部分所需的计算量。这对于作业调度非常重要,因为“子”()节点在其“父”()节点完成之前不能开始执行,因此预测图中不同路径上的未来工作是做出良好调度决策的关键。

为了训练RL系统,研究人员模拟了许多不同的图序列,这些图序列模拟进入数据中心的工作负载。然后“代理”决定如何沿着图将每个节点分配给每个服务器。对于每一个决策,组件都根据它在特定任务上的表现来计算奖励——比如最小化处理单个任务的平均时间。代理人会不断改进自己的决定,直到获得尽可能高的回报。

建立基准工作负载

然而,有一个问题是,一些工作负载序列比其他工作负载序列更难处理,因为它们有更大的任务或更复杂的结构。这些过程总是需要更长的时间来处理,因此,奖励信号总是比简单的信号要低。但这并不一定意味着系统性能很差:它可以很好地处理具有挑战性的工作负载,但仍然比简单的工作负载慢。困难的可变性使得模型很难决定哪些行为是好的,哪些是不好的。

为了解决这个问题,研究人员采用了一种叫做“基线化”的技术。该技术采用具有大量变量的场景的平均值,并将这些平均值用作比较未来结果的基线。在训练期间,他们为每个输入序列计算基线。然后,他们让调度程序针对每个工作负载序列进行多次培训。接下来,系统对针对相同输入工作负载做出的所有决策进行平均性能评估。这个平均值是基线,然后模型可以将其未来的决策与之进行比较,以确定其决策是好是坏。他们将这种新技术称为“依赖于输入的基线化”。

研究人员说,这种创新适用于许多不同的计算机系统。他说:“这是在输入过程影响环境的环境中进行强化学习的一般方法,希望每个培训活动都考虑输入过程的一个样本。”“几乎所有的计算机系统都要处理不断变化的环境。”

目前,他们的模型是通过模拟来训练的,这些模拟试图实时重现传入的在线流量。接下来,研究人员希望通过实时通信训练该模型,这可能会导致服务器崩溃。因此,他们目前正在开发一种“安全网”,当系统即将崩溃时,它将停止工作。

责任编辑: 陈龙
www.183msc.com 网上百家乐登入 申博游戏登入 申博登录网址 菲律宾网上娱乐登入 www.tyc599.com
www.55msc.com 申博娱乐手机登入网址 申博真人娱乐官网直营 申博最新网址 www.33psb.com 申博太阳城官方现金直营网
申博手机投注登入 太阳城娱乐138申博直营网 太阳城申博娱乐直营网 申博手机客户端下载直营网 菲律宾申博老虎机直营 申博登录不了