排序方式: 共有8条查询结果,搜索用时 11 毫秒
1
1.
研究了循环荷载作用下普通混凝土和钢纤维含量为2.0%的混凝土圆柱形试件,在应变速率为10-5/s、10-4/s、10-3/s时的卸载点应变与累积塑性应变的关系。试验结果表明,在开始卸载点的应变值相同的情况下,钢纤维含量相同的混凝土提高应变速率会增加混凝土的累积塑性应变;在混凝土中添加适量的钢纤维能延缓混凝土在加载后期的破坏;高应变速率会加快混凝土材料的累积塑性应变增长。 相似文献
2.
我国建筑行业最近几年发展非常迅速,推动我国各行业的不断进步,为我国提前进入现代化发展阶段奠定基础.随着经济的不断发展,人们的生活水平得到了极大的提升,对生活质量也有了更高的要求,其中,房屋是人们基本需求中的重要组成部分,在人们对房屋需求量增多的同时,对房屋的质量也有了更高的要求.房屋建筑的结构设计对房屋建筑整体的可靠性... 相似文献
3.
4.
5.
6.
数据中心工作负载混合部署在显著提升云数据中心的资源利用率的同时,也增加了调度的复杂性和作业的失效率.以阿里云发布的数据中心日志数据集cluster-trace-v2018为例,从离线批处理工作负载角度出发,详细地分析了不同类型工作负载在成功率和资源利用上的特征.主要发现如下:1)少量类型作业的失效会影响集群整体作业成功率并造成集群资源的浪费;2)伏羲分布式调度系统在任务故障切换执行时间上满足高斯分布,在任务调度延迟方面满足齐夫分布;3)通过分析失败实例在集群节点上的分布,发现集群作业发生失败在空间上具有随机性,且失败的实例很容易再次发生失败,而在时间上集群整体失败率则存在不平衡性;4)以任务实例的失效为基准,计算了集群节点的平均无故障时间,大部分节点的平均无故障时间在1000 s左右,小部分节点的任务实例失效率低,其平均无故障时间可达10000 s以上. 相似文献
7.
8.
边缘智能指利用人工智能算法为网络边缘设备提供数据分析能力的一种服务形式。然而,边缘计算环境比云计算更加复杂和多变。在构建边缘智能的过程中存在很多问题,例如缺乏量化的评价标准、异构计算平台、复杂的网络拓扑、不断变化的用户需求等,其中比较突出的是算法模型的高资源需求与边缘设备资源储备低之间的矛盾。机器学习是边缘智能的主要工作负载,它需要大量的计算资源,然而边缘设备的计算资源有限,两者的供求关系并不匹配,边缘智能负载的部署和优化成为了一个难题。因此,针对边缘智能负载性能优化问题,文中提出了基于负载特征的边缘智能性能优化CECI(Cloud-Edge Collaborative Inference)策略,从模型选择、批量自适应调整和云边协同方面对不同机器学习负载进行了优化。在模型选择方面,使用基于目标权重的模型自适应选择策略,实现在多个条件约束下,综合权衡多个性能优化目标的效果。在批量自适应调整方面,提出了基于开销反馈的批量自适应调整算法,使得模型在运行时能够达到更好的性能。在云边协同方面,通过结合网络状态和用户时延要求设计出了云边协同策略,进而达到了动态利用云端计算资源的效果。实验结果表明,... 相似文献
1