Entrenamiento Escalable de Modelos de Deep Learning sobre Infraestructuras Cloud

Abstract

En este Trabajo Final de Máster se pretende desplegar y aprovisionar de forma desatendida y distribuida un conjunto de nodos que lleven a cabo el entrenamiento de un modelo de deep learning (DL). Para este fin, se utilizará el framework de DL Tensorflow, junto con la herramienta Infrastructure Manager que permite el despliegue de infraestructuras complejas de forma programática. Se requiere que la infraestructura contemple: la gestión de los datos de entrenamiento, el entrenamiento del modelo con estos datos y la persistencia del modelo entrenado resultante. Se utilizarán plataformas de Cloud público como Amazon Web Services y, en la medida de lo posible, dispositivos de cómputo específico como GPGPUs.

In this Master¿s thesis we focus on deploying and provisioning in an unattended and distributed way a set of nodes that conduct the training of a deep learning model. To this end, the deep learning framework TensorFlow will be used, as well as the Infrastructure Manager that allows us to deploy complex infrastructures programmatically. The nal infrastructure should consider: data handling, model training using this data, and the persistence of the trained model. For this purpose, it will be used public Cloud platforms such as Amazon Web Services (AWS) and General-Purpose Computing on Graphics Processing Units (GPGPU).