论文译读 —— STUN: Reinforcement-Learning-Based Optimization of Kernel Scheduler Parameters 6
接前一篇文章:论文译读 —— STUN: Reinforcement-Learning-Based Optimization of Kernel Scheduler Parameters 5(5)
6. 结论
CPU调度器是影响系统性能的一个重要因素。在本文中,我们提出了STUN——一个使用强化学习的Linux内核调度程序参数优化框架。STUN的使用可以增强各种调度器环境,而无需人工干预。
STUN具有高效和快速优化的特点。首先,通过有效优化筛过程所选出的参数对性能有显著影响。此外,我们细分了奖励算法,以便用于强化学习中的智能体能够有效地学习。
性能评估证实,与Linux的默认参数相比,Hackbench的性能提高了27.7%。对于实际工作负载,人脸检测应用程序显示执行时间减少了18.3%,并且每秒帧数增加了22.4%。通过优化运行于4核、44核和120核上的Sysbench,与机器的默认性能相比,性能分别提高了26.97%、54.43%和256.13%。
在今后研究中,我们计划采用另一种强化学习算法,诸如Asynchronous Advantage Actor-Critic (A3C)或policy gradient,以获得更精确的优化参数值和更多的并发参数。此外,我们还要将STUN的逻辑与Linux内核集成,以制作一个自适应的调度器。
参考
11.Mnih, V.; Kavukcuoglu, K.; Silver, D.; Rusu, A.; Veness, J.; Bellemare, M.; Graves, A.; Riedmiller, M.; Fidjel, A.; Ostrovski, G.; et al.
论文译读 —— STUN: Reinforcement-Learning-Based Optimization of Kernel Scheduler Parameters 6相关推荐
- 基于深度强化学习的车道线检测和定位(Deep reinforcement learning based lane detection and localization) 论文解读+代码复现
之前读过这篇论文,导师说要复现,这里记录一下.废话不多说,再重读一下论文. 注:非一字一句翻译.个人理解,一定偏颇. 基于深度强化学习的车道检测和定位 官方源码下载:https://github.co ...
- 论文记载: Deep Reinforcement Learning for Traffic LightControl in Vehicular Networks
强化学习论文记载 论文名: Deep Reinforcement Learning for Traffic LightControl in Vehicular Networks ( 车辆网络交通信号灯 ...
- 【文献阅读03】Deep Reinforcement Learning Based Resource Allocation for V2V Communications
Deep Reinforcement Learning Based Resource Allocation for V2V Communications(点击可见原文) p.s.此文19年发表,到20 ...
- LM详解 GPT3,GPT2, GPT1 论文译读
LM详解 GPT3,GPT2, GPT1 论文译读 T5,Exploring the Limits of Transfer Learning with a Unified Text-to-Text T ...
- 论文解析:Deep Reinforcement Learning for List-wise Recommendations
论文解析:Deep Reinforcement Learning for List-wise Recommendations 简介 京东在强化学习推荐系统方面的工作 背景 推荐系统存在的问题: 无法通 ...
- 【论文泛读】 Deep Learning 论文合集
[论文泛读] Deep Learning 论文合集 文章目录 [论文泛读] Deep Learning 论文合集 Batch Normalization: Accelerating Deep Netw ...
- 【论文笔记】Multi-task deep learning based CT imaging analysis for COVID-19 pneumonia: Classification and
声明 不定期更新自己精度论文,通俗易懂,初级小白也可以理解 涉及范围:深度学习方向,包括 CV.NLP.Data Fusion.Digital Twin 论文标题:Multi-task deep le ...
- 【论文笔记】Deep Reinforcement Learning Control of Hand-Eye Coordination with a Software Retina
目录 Abstract Keywords 1. INTRODUCTION 2. BACKGROUND A. Software Retina B. Deep Reinforcement Learning ...
- 论文代码解读 Hierarchical Reinforcement Learning for Scarce Medical Resource Allocation
论文解读 论文笔记 Hierarchical Reinforcement Learning for Scarce Medical Resource Allocation_UQI-LIUWJ的博客-CS ...
- 【论文笔记】A Reinforcement Learning Method for Multi-AGV Scheduling in Manufacturing
目录 Abstract Keywords 1 INTRODUCTION 2 REINFORCEMENT LEARNING 3 PROBLEM FORMULATION A. Problem Statem ...
最新文章
- c# 对文件流的读写
- HTTP协议(5)HTTP请求和响应
- 安卓键盘加上数字_HHKB Professional HYBRID静电容键盘图赏
- 何时使用委托而不使用接口
- Spring Data JPA 禁止自动更新
- html5自动打印图片,html2canvas生成清晰的图片实现打印代码示例
- 科研福利!北京超算获AI Perf500总量份额第一,200元卡时免费领取
- git学习 远程仓库02
- 解混淆/脱壳工具 - De4dot
- 计算机网络实验(二)2交换机的基本配置与管理
- 秀米图文排版UEditor插件示例
- <a>标签下载excel文件
- unbuntu 安装vscode
- 深信服SSL远程接入与深信服行为审计同步登陆用户信息
- 基于MPC的移动机器人轨迹跟踪控制qpOASES例程
- ActiveMQ学习 (一) JSM基本概念
- BOGNER博格纳中国首家限时精品店即将开幕
- 用时间换空间 孤独创新的贝壳正在用技术引领产业可持续向前发展
- JustAuth于2019年7月21日正式喜提码云【GVP 】称号!
- CSDN开发者周刊第28期:今日头条 ANR 优化实践;C/C++类应用迁移理论基础;Elastic 7.12 版重磅发布