基于CUDA架構的深度時空推理網絡.pdf_第1頁
已閱讀1頁,還剩73頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、模式識別研究的理論和方法在很多科學和技術領域中得到了廣泛的重視,深度學習系統(tǒng)作為一種模式識別方法,在過去幾年受到極大地關注。目前,多核、眾核處理器已經成為計算設備的主流,然而,深度學習系統(tǒng)的訓練時間較長的缺陷依然沒有改善,原因在于深度學習系統(tǒng)計算密度非常高,如何將深度學習系統(tǒng)在并行系統(tǒng)中實現成為一個非常必要的研究課題。
   由于模式識別涉及到很多復雜的問題,現有的理論和方法對于解決這些問題還有很多不足之處。深度學習系統(tǒng)是一種受

2、生物啟發(fā)的方法,主要用于處理高維信號。眾所周知,高維信號往往可能涉及到跨度很大的時空信息,這就使得用一般方法來表示高維信號成為一個極大地挑戰(zhàn)。深度學習系統(tǒng)試圖通過一種分層的架構來克服這一挑戰(zhàn),這一架構的每一層都是由大量的具有類似功能的節(jié)點組成。這與目前的主流方法不同,目前主流的方法是對高維信號進行預處理,以減少其維度,但這樣做常會得到一個次優(yōu)的結果。
   本文詳細分析了Tesla GPU圖形與計算架構和CUDA統(tǒng)一計算設備架構

3、,針對深度信念網絡,卷積神經網絡以及深度時空推理網絡這三大典型深度學習系統(tǒng)進行了研究與討論,給出了深度時空推理網絡的數據并行形式和CUDA實現方案,在Tesla上實現了基于CUDA架構的深度時空推理網絡的MNIST手寫數字識別,訓練時間只有913秒(約15分鐘),而傳統(tǒng)的深度時空推理網絡在2.4GHz的CPU上訓練需要48小時,速度提高了約192倍,以測試結果驗證了并行算法的設計。
   本文提出的深度時空推理網絡的CUDA并行

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論