메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
임영훈 (성균관대학교) 유준열 (성균관대학교) 서의성 (성균관대학교)
저널정보
Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.50 No.7
발행연도
2023.7
수록면
550 - 560 (11page)
DOI
10.5626/JOK.2023.50.7.550

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
GPU 클러스터의 자원을 효율적으로 관리하기 위해 동적으로 스케일링하는 것이 중요하다. 체크포인트 기반의 중지 후 재개 스케일링이 널리 사용되어 왔지만, 최근 프레임워크는 학습된 모델을 런타임 환경에서 새로운 GPU로 전송하는 체크포인트 없는 접근 방식을 제공한다. 그러나 이 방법은 새로운 GPU를 추가할 때마다 기존의 학습이 중단되며 비효율적인 방식으로 학습 상태를 동기화한다. 이러한 문제를 해결하기 위해 본 논문은 스케일링 중 학습을 이어나가는 오버래핑 기법과 동기화 과정에서 발생하는 불필요한 중복된 학습 상태 전달을 제거하며 GPU들의 토폴로지를 고려하는 병렬적 브로드캐스트 기법을 제안한다. 제안하는 기법은 Elastic Horovod에 구현하여 성능평가를 수행하였고, 스케일링 과정의 72.8%의 시간을 학습 시간으로 대체하여 활용할 수 있으며 학습 상태 동기화의 성능이 최대 31.7% 향상시킴을 확인하였다.
#분산학습 #GPU 클러스터 #동적 스케일링 #집단통신 #multi-tenant #channel level interference #flash memory #database tuning

목차

요약
Abstract
1. 서론
2. 연구 배경 및 동기
3. 효율적인 동적 학습 클러스터 스케일링 기법
4. 실험 및 결과 분석
5. 관련 연구
6. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0102-2023-569-001747033