[发明专利]一种面向机器学习框架的流量调度方法有效
| 申请号： | 201810569876.6 | 申请日： | 2018-06-05 |
| 公开（公告）号： | CN108768876B | 公开（公告）日： | 2022-01-11 |
| 发明（设计）人： | 江勇;李清;杨光 | 申请（专利权）人： | 清华大学深圳研究生院 |
| 主分类号： | H04L47/10 | 分类号： | H04L47/10;H04L41/14;H04L47/50;H04L47/6275 |
| 代理公司： | 深圳新创友知识产权代理有限公司 44223 | 代理人： | 江耀纯 |
| 地址： | 518055 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种面向机器学习框架的流量调度方法，它是一种高效的数据中心中分布式机器学习框架流量调度机制，在无法获取应用流信息的场景下，在组流的层面上利用机器学习流量的自相似性实现高效的调度策略。该机制将流的速率控制与流量调度进行有机结合，通过及时的速率控制帮助了有效的流信息推测在流传输过程中的完成，同时基于推测结果的调度策略合理的引导了流在不同网络环境下的速率控制。 | ||
| 搜索关键词： | 一种 面向 机器 学习 框架 流量 调度 方法 | ||
【主权项】：
1.一种面向机器学习框架的流量调度方法，所述机器学习用于通过数据并行模型在大规模的数据集下获得不同的机器学习模型；在所述机器学习中，大规模的数据集被划分到多个分布式结点进行存储；运行于分布式结点的工作实例依据本地的部分数据集训练并得到模型参数的梯度值，并发送到超参数服务器进行模型的更新；超参数服务器汇合多组梯度值进行模型训练，并将更新后的模型参数下发回给工作实例；其特征在于，将多个工作实例发往同一个超参数服务器的流组织成一个组流，将超参数服务器发往多个实例的流组织成为另一个组流，实现分布式机器学习框架在组流层面的流量调度。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学深圳研究生院，未经清华大学深圳研究生院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810569876.6/，转载请声明来源钻瓜专利网。
