近日，阿里云机器学习平台PAI和北京大学杨智老师团队合作的论文《GoldMiner: Elastic Scaling of Training Data Pre-Processing Pipelines for Deep Learning》被SIGMOD 2023录用。论文通过对深度学习数据预处理流水线的弹性伸缩，大幅提升了训练性能和集群资源利用效率。

SIGMOD是数据库与数据管理系统领域的国际顶级会议，自1975年首次举办以来，一直对数据管理、存储和处理的发展起着深刻的推动作用，在学术和工业界均有巨大影响力。SIGMOD也重视数据管理系统与其他方向的交叉，尤其近年来也对机器学习和星空人工智能领域格外关注。此次入选意味着阿里云机器学习平台PAI在深度学习数据处理方向达到了全球业界先进水平，获得了国际学者的认可，展现了中国机器学习系统技术创新在国际上的竞争力。

近年来，随着GPU加速器的不断进化，以及各类软件优化技术的层出不穷，深度学习训练的计算效率正不断被提升到新的层次。但与此同时，深度学习本质上仍是一种多阶段、多资源的任务类型：不仅需要在GPU上进行大量的训练计算，同时往往也需要CPU端的数据预处理流水线（如数据增强、特征转换等），这类预处理计算是训练出高质量模型的必要步骤。因此，GPU端训练性能的提升也带来了更大的数据预处理压力，使后者成为新的性能瓶颈。