免费论文摘要：鉴于GPU的人为神经搜集编制程序优化

       跟着计划机本领和人为智能的高速兴盛,人为神经搜集仍旧变成暂时在语音辨别、 图像分门别类范围辨别功效最佳的呆板进修模子。卷积神经搜集动作表白本领最强的神经网 络之一,其搜集深度在连接减少,计划量连接增大,运用 CPU 或 CPU 集群对神经元权 重举行演练的保守计划办法仍旧不不妨满意搀杂卷积神经搜集的需要。而 GPU 编制程序模 型搀杂,编写高效的 GPU 步调诉求编制程序职员有充分的 GPU 编制程序体味。同声,宏大的神 经搜集构造也给编写人为神经搜集步调带来了极大的挑拨。怎样赶快灵验的实行人为神 经搜集的搭建与演练处事变成暂时呆板进修范围的接洽瓶颈之一。       对准卷积神经搜集的演练慢慢的题目,正文提出了一个鉴于卷积打开的卷积神经网 络并行优化算法。经过矫正卷积打开算法,将多个演练图片卷积打开到同一个待演算的 矩阵中,减少单次卷积层演算进程中处置的图片数目,大幅减少了计划进程中的并行度。 在没有带来特殊计划量与空间耗费的同声充溢普及了并行计划摆设的硬件资源运用率, 减少了所有卷积神经搜集的演算功夫。       对准卷积神经搜集搭建搀杂、并路途序编写艰巨的题目,正文安排并实行了一个 GPU 平台的卷积神经搜集的框架——OCLNNF。OCLNNF 运用 OpenCL 谈话实行,可 以高效的在 GPU 等多种并行摆设长进行人为神经搜集的计划。框架不妨按照用户的需 求,自在的摆设卷积神经搜集的构造,经过大略的操纵便不妨实行搜集的搭建,并发端 演练搜集的权重。结果经过将 OCLNNF 与其余开源框架比较,考证了所有框架本能及 OCLNNF 计划截止的精确性。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://87cpy.com/283847.html