简介:摘要面对当前互联网数据量的剧增,深度学习的训练集也随之指数增长,单台计算机的运算能力已经难以满足现状。例如,ImageNet和vgg16及vgg19模型所需要训练的参数在个人计算机的GPU上已难以完成训练。本文详细描述了通过研究机器学习的并行化计算及分布式训练来缩短训练周期,对集群的管理来合理分配训练的计算机资源,详细介绍了搭建Kubernetes集群的过程,实现在CentOS上部署Kubernetes集群,并且对云容器提高机器学习训练周期的示例做了展示。最后,对云容器分布式训练的应用价值进行了阐述。
简介:为促进企业信息化建设,有效地利用现有资源,避免重复建设和浪费,提出面向服务架构的云计算框架模型。根据云计算与SOA的特征,分析用户与云计算服务的交互过程,架构出用户层、代理层与平台层的云计算框架模型。该模型可行、简单、实用,各层的特征和功能也比较完善,充分体现了云计算面向服务体系架构的优势,从而优化企业资源的共享,满足企业快速发展的需求,并为进一步探索云计算的体系结构提供可行的方向。
简介:在云计算环境下,对高级持续威胁数据的准确挖掘可以提高云计算网络的安全防御能力.高级持续威胁数据具有极值扰动非线性特征,传统的线性处理方法难以实现对这类数据的准确挖掘.提出一种基于极值扰动非线性特征提取的云计算环境下的高级持续威胁数据挖掘仿真模型,对系统载荷运行情况进行评估,得到云计算下的动态任务调配,分析高级持续威胁数据的极值扰动非线性特性,计算高级持续威胁数据的稳态概率,得到极值扰动非线性特征,对非线性特征进行脉冲响应不变周期标记.实现了高级持续威胁数据极值扰动非线性特征的挖掘,构建数据挖掘模型.仿真实验表明,算法对持续威胁数据的正确检测概率在95%以上,数据挖掘性能优越,在云计算环境下的高级持续威胁数据的检测挖掘等领域应用价值较高,为网络安全系统构建等奠定基础。
简介:云服务市场快速增长,为了节约运营成本,提升用户满意度,云服务定价优化问题受到学术界和云服务提供商的密切关注。本文在Tiebout模型基础上提出了一种基于多元回归的云服务定价优化方法(OptimizedPricingModelforCloudServices,OPMCS)。首先分析Tiebout模型并提炼出影响云服务定价的主要因素;再结合云服务平台特征,利用多元回归建立定价优化模型。模型采用密度峰值聚类对资源进行分类以高效合理地将资源分配给用户。此外,考虑到影响定价的因素会随时间而变化,模型引入动态时间因子进行价格修正。实验结果表明,本文提出的OPMCS具有一定的可用性和合理性。
简介:摘要:由于三维模型色调不一致,导致模型构建完整度和精准度较低,故提出基于倾斜影像与点云数据的古建筑三维模型构建方法。采用倾斜摄影技术获取古建筑倾斜影像,并通过相关信息配置与匀光匀色对其进行预处理。采用三维激光扫描仪获取古建筑点云数据,并通过精简算法对其进行预处理。采用最近点迭代算法(ICP)配准预处理后的倾斜影像与点云数据,以配准结果为基础,应用计算机生成的体系结构(CGA)规则进行古建筑三维模型的构建。实验结果显示:与现有方法相比较,提出方法三维模型构建完整度提升了11.57%,该方法的古建筑子部分三维模型构建完整度和精准度均较高,充分说明提出方法古建筑三维模型构建性能更好。