当前位置:首页 > 报告详情

在 Apache Flink 中使用 GPU 来完成机器学习任务.pdf

上传人: li 编号:29598 2021-02-07 40页 2.14MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要探讨了Apache Flink在机器学习任务中的GPU加速应用。Flink是一个统一的批处理和流处理引擎,广泛应用于推荐、ETL、实时风险管理等场景。然而,用户在使用Flink进行机器学习工作流程时,需要分别使用TensorFlow进行特征工程、模型训练和预测,这增加了复杂性,并且TensorFlow不友好地支持分布式训练。因此,文章提出了在Flink中添加GPU支持的目标,以集成TensorFlow并支持使用GPU。 文章首先提出了背景,说明了Flink支持机器学习场景的路线图目标,并强调了GPU作为机器学习工作负载加速器的重要性。然后,描述了外部资源框架的动机和方法,包括如何配置资源要求和使用外部资源管理器(如Kubernetes或Yarn)来管理GPU资源。 此外,文章还介绍了Flink与TensorFlow集成的方法,包括如何在Flink作业中使用TensorFlow进行模型训练和推理,并提供了使用GPU的信息操作示例。最后,文章通过一个MNIST示例,展示了如何在Flink中使用TensorFlow接口进行模型训练,并获取GPU信息。 总之,文章提出了在Flink中集成TensorFlow和GPU加速的方法,以简化机器学习任务并提高性能。
"Flink如何整合TensorFlow进行机器学习任务?" "如何在Flink中使用GPU来加速机器学习工作流程?" "Flink的ML Operator如何管理机器学习集群和资源?"
客服
商务合作
小程序
服务号
折叠