XiaoMi-AI文件搜索系统
World File Search SystemLaaS
在机器学习云平台中解剖I/O的爆发：关于阿里巴巴MLAAS
摘要 - 与机器学习（ML）技术的进步以及大型ML-AS-AS-Service（MLAAS）云的可用性，准确地了解MLAAS云平台存储子系统中的I/O行为对于资源调度和优化至关重要。这项研究为I/O要求到达的相关性提供了宝贵的观点，即代表和动态的MLAAS工作负载 - 阿里巴巴Pai（人工智能的ML平台）。关于在机器级别的PAI工作负载中的I/O请求，我们的爆发性诊断表明，I/O到达过程显示出明显的突发。在方面，我们的高斯测试表明，PAI中的爆发活动是非高斯的。我们的发现突出了I/O请求到达长期尺度上的一定程度相关性的存在。此外，我们通过视觉证据，汇总I/O请求序列的自动相关结构和Hurst参数估计值来揭示Alibaba PAI机器级MLAAS工作量I/O活动的自相似性。此外，我们创建自相似的工作负载模型，以基于从PAI跟踪所测得的输入来综合I/O请求系列。实验结果表明，Farima和Alpha稳定的模型在准确模拟爆发方面都优于现有模型。索引术语 - Mlaas I/O工作负载，爆发，相关性，自我相似，工作负载合成
持续学习即服务 (CLaaS)
摘要 如今，预测机器学习模型通常以无状态且昂贵的方式进行更新。对于想要构建基于机器学习的应用程序和系统的公司来说，未来的主要趋势是实时推理和持续更新。不幸的是，这两种趋势都需要成熟的基础设施，而这些基础设施在本地实现起来既困难又昂贵。本文定义了一种称为持续学习即服务 (CLaaS) 的新型软件服务和模型交付基础设施来解决这些问题。具体来说，它包含持续机器学习和持续集成技术。它为数据科学家提供模型更新和验证工具支持，而无需本地解决方案，并且以高效、有状态且易于使用的方式提供。最后，这种 CL 模型服务很容易封装在任何机器学习基础设施或云系统中。本文介绍了一种称为 Continual Brain 的 CLaaS 实例的设计和实现，并在两个真实场景中进行了评估。前者是使用 CORe50 数据集的机器人对象识别设置，而后者是使用时尚领域的 DeepFashion-C 数据集的命名类别和属性预测。我们的初步结果表明，无论计算发生在连续边缘云的何处，持续学习模型服务的可用性和效率以及该解决方案在解决实际用例方面的有效性。
达亚马，尼拉杰； Oulasvirta，Antti 布局即服务 (LaaS)
摘要。要个性化网页，必须指定针对具体案例的规则或模板，以定义元素的视觉空间布局以及针对个人的设备特定适配规则。这种方法的可扩展性很差。我们提出了 LaaS，这是一个用于自我优化网页布局的服务平台，以提高其在个人、群体和人口层面的可用性。不需要手工编码的规则或模板，因为 LaaS 使用组合优化来生成针对既定设计目标的网页布局。这允许通过影响整个网页布局的直观目标来控制个性化。我们提出了一个可扩展的架构和解决方案，用于 (1) 使用整数规划生成布局、(2) 在浏览器和布局生成器之间进行中介的数据抽象以及 (3) 页面重构。此外，我们展示了如何将 LaaS 轻松部署为现有网页的一部分。结果表明，我们的方法可以在各种场景中生成可用的个性化网页布局。