Apr, 2023

可扩展、分布式 AI 框架：利用云计算提高深度学习性能和效率

PDF
TL;DR本文全面研究了利用云计算的可扩展和分布式人工智能框架以提高深度学习性能和效率的关键方面，包括数据存储和管理、优化策略、模型部署与服务等，并讨论了云计算人工智能的挑战、限制和未来研究方向。
发现论文，激发创造
  • 利用边缘到云的连续性在分散数据上实现可扩展机器学习

    本文介绍了边缘计算智能（如边缘人工智能 / 机器学习）的应用和挑战，为解决现有方法存在的采用障碍，提出了一种基于模型为中心的设计，以建立分散体系结构下的高效协作学习。

    Jun, 2023

  • 边缘云极化与协作：AI 综述

    本文系统地回顾了云计算和边缘计算两种 AI 模型，并首次建立了云边协同建模的协作学习机制，最后讨论了该领域的前景和挑战。

    Nov, 2021

  • 超越效率：可持续扩展人工智能

    AI 的碳排放问题及效率优化的机会和可持续性

    Jun, 2024

  • 边缘云计算的规模化生成人工智能概览

    本文概述了生成人工智能和边缘云计算的最新发展，并利用两个示例应用程序讨论了使用边缘云协作系统扩大其解决方案的技术挑战。最后，我们列出了在规模上训练和部署 GenAI 系统的设计注意事项，并指出了未来的研究方向。

    Jun, 2023

  • IBM 深度学习服务

    本文介绍了 IBM 的深度学习服务（DLaaS）的软件架构细节，该服务提供深度学习库，通过分布和编排层，资源供应层实现在云中可伸缩和弹性的管理，利用深度学习以及云计算相结合的业务模式，将传统机器学习方法向深度学习推进。

    Sep, 2017

  • 分布式机器学习调查

    本文介绍机器学习技术的发展以及为了应对更加复杂的应用而需要分布式系统来分担机器学习的工作负担，但分布式系统带来的挑战在于高效地并行训练过程和创建一个连贯的模型。文中提供了分布式机器学习领域当前的最新进展和系统概述。

    Dec, 2019

  • 从分布式机器学习到分布式深度学习的调查

    本文就分布式机器学习算法进行了全面的调研，综述了当前的技术发展前景和所存在的限制。

    Jul, 2023

  • 大规模生成模型时代的计算：从云原生到 AI 原生

    探讨大型生成式 AI 模型与云原生计算架构的交叉点，提出了一种利用云原生技术和先进的机器学习运行时的 AI 本地化计算范式，旨在优化成本和提高资源可访问性。

    Jan, 2024

  • 边缘计算与深度学习的融合：一项全面调查

    该论文介绍了边缘智能和智能边缘的应用场景，实现方法和相互融合的挑战和未来趋势。通过整合通信，网络和深度学习领域的信息，促进了边缘智能和智能边缘的融合。

    Jul, 2019

  • 可信分布式 AI 系统：鲁棒性、隐私和治理

    新兴分布式人工智能系统通过稳健性保证、隐私保护和公平意识在分布式学习中改善了安全、隐私和公平的问题。本文提供了分布式学习的不同架构概述、围绕对抗攻击、隐私保护和公平治理的对策分类，并讨论了面临的挑战和未来研究方向。

    Feb, 2024