TY - THES A1 - Emme, Till T1 - Verteiltes KI-Training im Beowulf-Cluster: DNN-Basierte Spracherkennung N2 - In dieser Arbeit wurde ein System implementiert, mit dem sowohl die Vorverarbeitung als auch das Training von Modellen der automatischen Spracherkennung (ASR) parallelisiert innerhalb eines Beowulf-Clusters ausgeführt werden kann. Ausgangspunkt für dieses System ist das Spracherkennungs-Framework Kaldi, welches als de-facto Standard in der Industrie gilt. Da Kaldi nach eigener Analyse nur wenige Möglichkeiten für eine Verteilung des Trainings eines ASR-Modells auf mehrere Rechner bietet, kann das Training eines großen Modells auf einem einzelnen Rechner zu hohen Kosten führen, da leistungsstarke Hardware und große GPUs für das Training benötigt werden. Das in dieser Arbeit implementierte System erlaubt ein verteiltes Training solcher Modelle in einem Cluster aus Commodity-Hardware und hilft somit dabei, die Kosten für das Training großer Modelle zu reduzieren und existierende Hardware für das Training verwenden zu können. Das Hauptaugenmerk des Systems liegt dabei auf einem hohen Grad an Skalierbarkeit. Außerdem ermöglicht das System eine Vergrößerung des verwendeten Rechen-Clusters auf einfache Art und Weise. Um zusätzlich eine schnelle Integration von neu entwickelten ASR-Modellen zu erlauben, wurde bei der Entwicklung des Systems auf eine hohe Erweiterbarkeit geachtet. Y1 - 2022 UR - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:573-33961 CY - Ingolstadt ER -