Entrenamiento Escalable de Modelos de Deep Learning sobre Infraestructuras Cloud
En este Trabajo Final de Máster se pretende desplegar y aprovisionar de forma desatendida y distribuida un conjunto de nodos que lleven a cabo el entrenamiento de un modelo de deep learning (DL). Para este fin, se utilizará el framework de DL Tensorflow, junto con la herramienta Infrastructure Manag...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Fecha de publicación: | 2018 |
| País: | España |
| Recursos: | Universitat Politècnica de València (UPV) |
| Repositorio: | RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia |
| Idioma: | español |
| OAI Identifier: | oai:riunet.upv.es:10251/115454 |
| Acesso em linha: | https://riunet.upv.es/handle/10251/115454 |
| Access Level: | acceso abierto |
| Palavra-chave: | Cloud Computing Deep Learning Distributed Systems CIENCIAS DE LA COMPUTACION E INTELIGENCIA ARTIFICIAL Máster Universitario en Computación Paralela y Distribuida-Màster Universitari en Computació Paral·Lela i Distribuïda |
| Resumo: | En este Trabajo Final de Máster se pretende desplegar y aprovisionar de forma desatendida y distribuida un conjunto de nodos que lleven a cabo el entrenamiento de un modelo de deep learning (DL). Para este fin, se utilizará el framework de DL Tensorflow, junto con la herramienta Infrastructure Manager que permite el despliegue de infraestructuras complejas de forma programática. Se requiere que la infraestructura contemple: la gestión de los datos de entrenamiento, el entrenamiento del modelo con estos datos y la persistencia del modelo entrenado resultante. Se utilizarán plataformas de Cloud público como Amazon Web Services y, en la medida de lo posible, dispositivos de cómputo específico como GPGPUs. |
|---|