Arimo利用Alluxio的内存能力提升深度学习模型的结果效率(Time-to-Result)
深度学习算法通常被一些具体应用所采用，其中比较显著的应用领域包括计算机视觉、机器翻译、文本挖掘、欺诈检测等。深度学习的方法在大模型加大数据的场景下效果显著。与此同时，被设计用来处理大数据的分布式计算平台（如Spark）也日益应用广泛。因此，通过在Spark平台上开发深度学习计算框架，深度学习的应用领域可以变得更加广泛，企业完全可以在已有的Spark基础设施上使用深度学习。 1.利用Alluxio协处理器进行基于Spark的分布式深度学习 在2015 Strata + Hadoop World NYC上，我们发布了有史以来第一个可扩展的、基于Spark和Alluxio的分布式深度学习框架，我们把它称为Alluxio协处理器(Co-Processor on Alluxio(“Co-Proccessor”))。它包含了前馈神经网络，卷积神经网络（CNN）以及循环神经网络（RNN）的实现。协处理器为Alluxio增加了一定的计算功能。具体来说，其运行一个本地进程监控衍生的目录并且收集它们。该设计思路是不仅将Alluxio用作Spark的workers之间的常用存储层，还将其用作一个模型更新者以...
