- 1、本文档共19页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
ICS35.240CCSL70
团
体
标
T/CESA
准
1228.2—2022
人工智能计算设备调度与协同
第2部分:分布式计算技术要求
Artificialintelligence—Computationschedulingandcooperation—
Part2:Distributedcomputingtechnicalrequirements
2022-09-29发布2022-09-29实施
中国电子工业标准化技术协会发布
II
T/CESA1228.2-2022
目次
前言 III
引言 IV
1范围 1
2规范性引用文件 1
3术语和定义 1
4缩略语 2
5概述 2
6计算设备技术要求 3
6.1云侧设备 3
6.2边缘设备 4
6.3终端设备 4
7分布式协同管理技术要求 5
7.1通用技术要求 5
7.2关键组件技术要求 6
7.3云云协同 9
7.4云边端协同 10
7.5多端协同 13
参考文献 15
T/CESA1228.2-2022
III
前言
本文件按照GB/T1.1-2020《标准化工作导则第1部分:标准化文件的结构和起草规则》的规定起草。
本文件是T/CESA1228—2022《人工智能计算设备调度与协同》的第2部分。T/CESA1228—2022已经发布了以下部分:
——第1部分:虚拟化与调度系统技术规范;
——第2部分:分布式计算技术要求。
请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。
本文件由中国电子技术标准化研究院提出。
本文件由中国电子技术标准化研究院、中国电子工业标准化技术协会归口。
本文件起草单位:中国电子技术标准化研究院、华为技术有限公司、上海依图网络科技有限公司、上海天数智芯半导体有限公司、北京航空航天大学、中国医学科学院生物医学工程研究所、上海商汤阡誓科技有限公司、达闼机器人股份有限公司、昆仑芯(北京)科技有限公司、深圳市矽赫科技有限公司、深圳云天励飞技术股份有限公司、上海燧原科技有限公司、南通大学、上海计算机软件技术开发中心。
本文件主要起草人:董建、鲍薇、舒驰、赵春昊、徐洋、李小娟、马骋昊、余雪松、栾钟治、曹晓琦、许源、蒲江波、吴庚、张站朝、李艳华、洪宝璇、程冰、张明洁、曹志超、陈敏刚。
T/CESA1228.2-2022
IV
引
言
本文件是T/CESA1228—2022《人工智能计算设备调度与协同》的第2部分。T/CESA1228—2022已经发布了以下部分:
——第1部分:虚拟化与调度系统技术规范。目的在于确立人工智能计算设备虚拟化与调度系统的架构,规定技术要求,描述了对应的测试方法。
——第2部分:分布式计算技术要求。目的在于确立人工智能计算设备分布式计算的参考架构,规定软硬件系统的功能和性能技术要求。
T/CESA1228.2-2022
1
人工智能计算设备调度与协同第2部分:分布式计算技术要求
1范围
本文件确立了人工智能计算设备分布式计算的参考架构,规定了软硬件系统的功能和性能技术要求。
本文件适用于用于分布式人工智能计算系统的设计、开发和测试。
2规范性引用文件
下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中,注日期的引用文件,仅该日期对应的版本适用于本文件;不注日期的引用文件,其必威体育精装版版本(包括所有的修改单)适用于本文件。
T/CESA1228.1―2022人工智能计算设备调度与协同第1部分:虚拟化与调度系统技术规范
3术语和定义
下列术语和定义适用于本文件。
3.1
分布式机器学习distributedmachinelearning
一种机器学习的方法或过程,利用互联网络作为首选通信载体,在不同子系统上完成同一个机器学习任务。
注:互联网络可包含局域互联网及广域互联网。
[来源:ISO/IEC2382-2015,2178059,有修改]
3.2
联邦机器学习federatedmachinelearning
一种机器学习方法或过程,能让多个参加者协作构建及使用机器学习模型而不暴露参加者所拥有的原始数据或私有数据。
[来源:IEEE3652.1,3.1]3.3
增量学习incrementallearning
一种分为多个阶段的自适应学习方法,其中在前驱阶段学得的知识被转化为适
您可能关注的文档
- DG_T 157-2023 农业机械北斗导航辅助驾驶系统.docx
- TAF-WG1-AS0052-V1.0.0-2020 通用集成电路卡(UICC)与终端间大容量存储接口特性技术规范.docx
- T_CFA 020101052.3-2024 工程机械用搅拌臂铸件 第3部分:耐磨合金镶铸件.docx
- T_CFA 03033-2022 质量分级及“领跑者”评价要求 非开挖管道施工用球墨铸铁顶管.docx
- TAF-WG4-AS0025-V1.0.0-2018 基于TEE的eSIM技术要求.docx
- T_CFA 020101224-2021 混流式水轮机整铸转轮铸钢件技术规范.docx
- T∕CACM 012-2016 金钱白花蛇快速 PCR 鉴定.docx
- 通用版园林绿化工程服务协议样本版A版.docx
- 通用版咨询顾问服务合作合同样本版.docx
- 通用版员工服务协议样本版A版.docx
文档评论(0)