研究揭示机器学习项目中的容器体积过大和计算资源浪费

一项最新研究分析了来自开源机器学习项目的1,993个Dockerfile，以了解容器化实践。研究发现，机器学习容器通常体积庞大，平均为10.27 GB，并且构建时间长达约8.84分钟。由于缓存效率低下，由上下文文件更改触发的大量重新构建导致计算资源浪费。 AI

影响 强调了机器学习开发工作流程中的低效率，暗示了在容器构建时间和资源使用方面存在优化潜力。

排序理由 该集群包含一篇在arXiv上发表的研究论文，详细介绍了对开源机器学习项目的实证分析。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• Commits
• containerization
• context file
• Dockerfile refactoring patterns
• Dockerfiles
• Experimentation
• hoarding
• inference
• infrastructure
• ML in a Box
• ML workflows
• Open Source ML Projects

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →