【假一罚四】跨数据中心机器学习：赋能多云智能数算融合
全新正版书籍，假一罚四，放心选购。可开发票，24小时内发货。
￥ 49 5.6折 ￥ 88 全新
库存2件
浙江嘉兴
认证卖家担保交易快速发货售后保障
作者虞红芳 等
出版社电子工业
ISBN9787121448256
出版时间2023-01
装帧平装
开本16开
定价88元
货号31649034
上书时间2025-01-04
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
虞红芳，博士，电子科技大学教授、博士生导师、副院长。已承担国家级课题30余项，企业合作项目20余项，获省部级科技奖2项、华为优秀科研项目奖2次。在国内外知名期刊和会议发表学术论文200余篇，H指数37；出版学术专著4部，授权发明专利80余项。研究兴趣包括网络虚拟化、下一代网络、云/边缘计算、分布式系统、网络安全等。李宗航，博士，电子科技大学英才实验学院导师，曾访学牛津大学和南洋理工大学。发表学术论文20篇；入选电子科技大学领军人才计划；获通信学会未来之光奖、牛津最具影响力项目奖和浦口经开英才奖等多项荣誉；主研国家级课题等8项，获未来网络领先创新科技成果奖。研究兴趣包括分布式人工智能、智算网一体化和联邦学习。孙罡，博士，电子科技大学教授，博士生导师。长期致力于网络虚拟化、云计算、物联网与分布式系统等领域的相关研究。在国内外各知名期刊发表SCI/EI检索论文100余篇，出版学术专著3部，已授权美国发明专利3项、中国发明专利70余项。罗龙，博士，电子科技大学副教授。长期从事网络算法、分布式系统等相关研究。在国内外知名期刊和会议上发表学术论文30篇；授权发明专利7项；入选第八届中国科协青年人才托举工程；主持/主研国家自然科学基金、国家重点研发计划等项目。
目录
第1章 跨数据中心机器学习概述1
1.1 分布式机器学习5
1.1.1 基本概念5
1.1.2 国内外发展现状7
1.1.3 并行模式10
1.1.4 通信范式21
1.1.5 通信优化技术32
1.2 跨数据中心分布式机器学习39
1.2.1 产业发展背景及需求39
1.2.2 基本架构41
1.2.3 面临的关键挑战43
1.3 本书的章节结构46
本章参考文献47
第2章 高效通信架构58
2.1 分层参数服务器通信架构59
2.1.1 架构设计方案59
2.1.2 运行流程与通信模型61
2.1.3 主要操作原语64
2.2 部署模式与适用场景65
2.3 实验与性能评估67
2.4 本章小结70
本章参考文献70
第3章 同步优化算法72
3.1 系统模型与基础同步优化算法73
3.1.1 系统模型73
3.1.2 全同步通信算法73
3.1.3 实验与性能评估76
3.2 面向受限域间通信资源的同步算法78
3.2.1 研究现状79
3.2.2 内同步累积的低频同步通信算法80
3.2.3 实验与性能评估83
3.3 面向异构计算与通信资源的同步算法84
3.3.1 研究现状85
3.3.2 延迟补偿的混合同步算法88
3.3.3 迭代次数自适应的同步算法91
3.3.4 实验与性能评估109
3.4 本章小结119
本章参考文献120
第4章 压缩传输机制123
4.1 稀疏化与量化基本概念124
4.2 双向梯度稀疏化技术127
4.2.1 梯度稀疏化技术127
4.2.2 稀疏同步技术128
4.2.3 冗余梯度修正技术129
4.3 混合精度传输技术132
4.4 实验与性能评估133
4.5 本章小结139
本章参考文献139
第5章 梯度传输协议142
5.1 研究动机143
5.2 协议设计及其挑战145
5.3 近似梯度分类算法146
5.3.1 算法设计146
5.3.2 分类阈值动态衰减技术149
5.4 差异化梯度传输协议的设计149
5.4.1 基于优先级的差异化传输150
5.4.2 差异化接收方法151
5.5 实现和部署152
5.5.1 DGT通信中间件的功能实现152
5.5.2 DGT通信中间件的跨数据中心部署154
5.6 实验与性能评估155
5.7 本章小结165
本章参考文献165
第6章 流量传送调度168
6.1 基于动态通信调度的通信覆盖机制170
6.1.1 研究动机170
6.1.2 问题建模173
6.1.3 通信覆盖机制设计175
6.1.4 实现和部署183
6.1.5 实验与性能评估185
6.2 光广域网中的在线流量调度192
6.2.1 研究动机194
6.2.2 任务内调度195
6.2.3 任务间调度199
6.2.4 算法性能分析203
6.2.5 仿真结果与分析205
6.3 本章小结211
本章参考文献211
第7章 异构数据优化算法214
7.1 研究现状216
7.2 系统模型220
7.3 联邦组同步算法设计与实现221
7.3.1 算法设计动机221
7.3.2 算法设计与实现223
7.4 组节点选择算法设计与实现226
7.4.1 问题建模与分析226
7.4.2 算法设计与实现228
7.5 算法的收敛性与效率分析231
7.5.1 算法收敛性分析232
7.5.2 算法效率分析233
7.6 实验与性能评估235
7.7 本章小结245
本章参考文献245
第8章 总结与展望249
附录A 缩略语对照表250
内容摘要
本书基于作者多年的研究成果，详细介绍了跨数据中心机器学习的训练系统设计和通信优化技术。本书面向多数据中心间的分布式机器学习系统，针对多数据中心间有限的传输带宽、动态异构资源，以及异构数据分布三重挑战，自底向上讨论梯度传输协议、流量传送调度、高效通信架构、压缩传输机制、同步优化算法、异构数据优化算法六个层次的优化技术，旨在提升分布式机器学习系统的训练效率和模型性能，突破跨数据中心机器学习的通信瓶颈和数据壁垒，实现多数据中心算力和数据资源的高效整合。本书可作为跨数据中心机器学习的参考资料，供人工智能及分布式计算领域的科研和工程人员阅读。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价