Дослідження методів машинного навчання в задачах розподілу обчислювальних ресурсів

Abstract

Об’єкт дослідження – процес розподілу обчислювальних ресурсів під час навчання моделей машинного навчання. Предмет дослідження – методи оптимізації використання процесорних ресурсів у багатопроцесних та багатопотокових середовищах, зокрема під час тренування згорткових нейронних мереж, а також особливості застосування алгоритмів навчання з підкріпленням для керування параметрами обчислювального середовища. Мета роботи – підвищення ефективності методів машинного навчання, насамперед алгоритмів навчання з підкріпленням, у задачах оптимізації розподілу обчислювальних ресурсів, а також продуктивності навчання згорткових нейронних мереж завдяки впливу динамічного керування параметрами процесів і потоків. Методи дослідження – моделювання, програмна реалізація, експериментальні дослідження, аналіз продуктивності, формалізація. У роботі проведено дослідження впливу конфігурації обчислювального середовища на швидкість і стабільність навчання згорткових нейронних мереж. Розроблено агент підкріплювального навчання, який автоматично коригує параметри кількості процесів, потоків, використання фізичних і логічних ядер та інші системні метрики з метою підвищення ефективності тренування моделі. Отримані результати демонструють можливість підвищення продуктивності за рахунок адаптивного керування обчислювальними ресурсами.