Kubeflow異構(gòu)算力調(diào)度策略研究

摘要： Kubeflow將機(jī)器學(xué)習(xí)和云計算技術(shù)兩個技術(shù)領(lǐng)域相結(jié)合，集成了大量的機(jī)器學(xué)習(xí)工具，為生產(chǎn)級的機(jī)器學(xué)習(xí)平臺落地提供了可行方案。機(jī)器學(xué)習(xí)通常依托圖形處理器（GPU）等專用處理器來提高訓(xùn)練和推理速度，隨著云計算集群規(guī)模的動態(tài)調(diào)整，不同計算架構(gòu)的云計算節(jié)點(diǎn)可以靈活地加入/退出集群，傳統(tǒng)的輪詢調(diào)度策略已無法滿足動態(tài)調(diào)整下的異構(gòu)算力資源調(diào)度。為解決Kubeflow平臺異構(gòu)算力的分配優(yōu)化問...