蓝雾 BlueFog 是一个高性能的分布式训练框架，采用分散优化算法构建。 Bluefog 的目标是使去中心化算法易于使用、容错、对异构环境友好，甚至比使用参数服务器或 ring-allreduce 构建的训练框架更快。 表现 下面的图表代表了在 ResNet50 基准上完成的 BlueFog 的性能。 每台机器有 8 个 V100 GPU（64GB 内存），启用 NVLink，互连通信速度为 25Gbps。 这与您可以在获得的硬件设置相同。 我们测试了计算密集型场景的批量大小为 64 和通信密集型场景的批量大小为 32 的扩展效率。 在图中，黑框代表理想的线性缩放。 据观察，Bluefog 可以实现超过 95% 的扩展效率，而 Horovod 在 128 个 GPU 上以 64 的批量大小达到约 66% 的扩展效率。 对于批量大小为 32 的通信密集型场景，Bluefog 和 Hor

提出一种ad hoc移动云计算方案，即移动设备通过分享邻近设备的闲置资源，将任务卸载至邻近设备协助处理。主要关注是否进行卸载，如何选取合适的卸载目标设备，以及如何分配任务的问题。以上问题使用博弈方法进行定义，并使用分布式算法逼近最优结果。仿真结果证明了该方法的正确性与有效性。

Ubuntu12.04下面分布式安装部署, postgresql9.1数据库, 有架构原理图，很详细的安装过程介绍，与截图

一个很好的文档，基于CAN总线的分布式智能照明控制系统的设计与实现。可以用来参考设计。

5.2 分布式空间数据库技术内容提纲5.2.1 分布式空间数据库概述5.2.2 分布式空间数据库的特点内容提纲5.2.1 分布式空间数据库概述5.2.2 分布式空间数据库的特点5.2.1 分布式数据库概述分布式空间数据库( Distributed Spatial Database, DSDB) 是使用计算机网络把面向物理上分散，而管理和控制又需要不同程度集中的空间数据库连接起来，共同组成一个统一的数据库的空间数据库系统。也可以简单地把分布式空间数据库看成是空间数据库和计算机网络的总和。但它绝对不是两者的简单结合，而是把物理上分散的空间数据库组织成为一个逻辑上单一的空间数据库系统，同时，又保持了单个物理空间数据库的自治性。5.2.1 分布式数据库概述分布式数据库(DDB)是数据库技术与计算机网络技术的统一。数据库技术是一种抽象的集中数据管理方法。它通过集中实现数据共享，通过抽象实现数据的独立性，给用户提供一个总的、聚合的、唯一的数据集合及其统一的管理方法。 内容提纲5.2.1 分布式空间数据库概述5.2.2 分布式空间数据库的特点5.2.1 分布式数据库的特点04010203高效率高可用

dlsa分布式最小二乘近似 使用Apache Spark实施 介绍 在这项工作中，我们开发了一种分布式最小二乘近似（DLSA）方法，该方法能够解决分布式系统上的大量回归问题（例如，线性回归，逻辑回归和Cox模型）。 通过使用局部二次形式逼近局部目标函数，我们可以通过对局部估计量进行加权平均来获得组合估计量。 在统计上证明了所得的估计器与全局估计器一样有效。 而且，它只需要一轮通信。 我们使用自适应套索方法进一步基于DLSA估计进行收缩估计。 通过在主节点上使用LARS算法，可以轻松获得该解决方案。 从理论上讲，通过使用新设计的分布式贝叶斯信息准则（DBIC），得出的估计量具有oracle属性，并且选择一致。 广泛的数值研究和航空公司数据集进一步说明了有限的样本性能和计算效率。 整个方法已在的Spark系统中实现。 R软件包dlsa提供了上可用的概念演示。 系统要求 Spark >= 2

短语2vec 修改在VS下编译 灵感来自 Quoc Le 和 Tomas Mikolov 的作品。 见

使用PyTorch在GPU上进行MIL-NCE端到端HowTo100M培训 此存储库包含CVPR'20论文的开源PyTorch分布式培训代码：[1]。 [1]中的原始代码库依赖于Google和DeepMind的内部工具以及TPU v3加速器的使用，这使其难以按原样发布。 相反，此存储库使用PyTorch / ffmpeg和合理数量的GPU提供了[1]的实现。 培训代码在法国公共AI集群（请参阅下面的致谢）。 它经过专门设计，可在基于SLURM的集群管理上运行，以进行多节点分布式培训，但可以轻松地针对任何其他集群管理系统进行修改。 本文的开源PyTorch实现有一些细微的差异，例如： 使用余弦学习速率衰减代替[1]中描述的逐步衰减。 没有在不同的GPU和节点之间共享批处理规范化统计信息，因为在GPU上执行此类操作比TPU慢得多。 使用略微不同的时空训练视频分辨率的输入视频剪辑。

分析含分布式电源的配电网故障恢复模型,综述几种目前比较流行的智能算法在含分布式电源配电网故障恢复问题中的应用及优缺点,并对整合不同算法后的组合智能算法在含有分布式电源的配电网故障恢复中的优化效果进行比较;针对当前能源局势与输配电要求日益提高的情况,分析智能算法在考虑多目标含分布式电源配电网故障恢复中的应用;最后,对含分布式电源的配电网故障恢复问题发展趋势进行展望.

分布式系统模糊航迹关联算法分析.pdf 可进行算法分析