版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、深度學(xué)習(xí)(Deep Learning)近年來在機(jī)器學(xué)習(xí)的各個(gè)領(lǐng)域都取得了突破性的發(fā)展。深度學(xué)習(xí)算法通過訓(xùn)練多層人工神經(jīng)網(wǎng)絡(luò)模型,能夠出色地抽取復(fù)雜特征,從而在語音,計(jì)算機(jī)視覺,文本等多個(gè)方面取得了巨大的成功。由于人工神經(jīng)網(wǎng)絡(luò)模型層數(shù)的增加,深度學(xué)習(xí)需要訓(xùn)練大量的模型參數(shù),也因此依賴于海量的訓(xùn)練數(shù)據(jù)作為支撐。模型規(guī)模和數(shù)據(jù)規(guī)模的急速膨脹使得深度學(xué)習(xí)算法同時(shí)兼具計(jì)算密集型和I/O密集型這兩種計(jì)算特征。針對(duì)這些特性,目前主流的解決方案是使用G
2、PU和大規(guī)模集群進(jìn)行計(jì)算。然而,這些方案往往將平臺(tái)相關(guān)的接口(API)直接暴露給用戶,使得算法的開發(fā)、實(shí)現(xiàn)和優(yōu)化變得非常困難并且難以維護(hù)。
針對(duì)這些問題和需求,在本篇論文中,我們?cè)O(shè)計(jì)并實(shí)現(xiàn)了Minerva——一個(gè)面向深度學(xué)習(xí)算法的高性能的計(jì)算平臺(tái)。Minerva通過提供基于矩陣運(yùn)算的編程模型,從而使得用戶能夠方便,自然地表達(dá)深度學(xué)習(xí)算法。同時(shí),通過保留算法設(shè)計(jì)者所熟悉的命令式和結(jié)構(gòu)化編程的特點(diǎn),我們的編程模型能更精簡更緊致地編
3、寫幾乎所有主流的深度學(xué)習(xí)算法。為了同時(shí)支持分布式計(jì)算和異構(gòu)平臺(tái)(GPU或者多核CPU)的加速,在運(yùn)行過程中,Minerva會(huì)動(dòng)態(tài)地將用戶代碼轉(zhuǎn)換成數(shù)據(jù)流的中間表達(dá)。Minerva會(huì)根據(jù)運(yùn)行平臺(tái)的不同,自動(dòng)將這數(shù)據(jù)流表示執(zhí)行在多個(gè)進(jìn)程或者異構(gòu)硬件之上。當(dāng)執(zhí)行在分布式環(huán)境中時(shí),Minerva會(huì)自動(dòng)推斷近似最優(yōu)的數(shù)據(jù)和計(jì)算的分配,從而有效地利用數(shù)據(jù)局部性并且高效地隱藏網(wǎng)絡(luò)傳輸?shù)拈_銷。得益于Minerva靈活且平臺(tái)無關(guān)的設(shè)計(jì)理念,用戶不需要修改
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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于CPU-Phi異構(gòu)架構(gòu)的高性能圖計(jì)算系統(tǒng).pdf
- 基于深度學(xué)習(xí)和遷移學(xué)習(xí)的環(huán)境聲音識(shí)別.pdf
- 基于Web Services的遠(yuǎn)程高性能計(jì)算環(huán)境.pdf
- 基于異構(gòu)計(jì)算平臺(tái)的高性能生物數(shù)據(jù)壓縮算法研究.pdf
- 高性能計(jì)算環(huán)境下基于負(fù)載感知的混合寫緩沖系統(tǒng).pdf
- 多環(huán)境高性能車牌識(shí)別應(yīng)用系統(tǒng).pdf
- 基于深度學(xué)習(xí)的車牌識(shí)別系統(tǒng).pdf
- 基于深度學(xué)習(xí)特征的圖像推薦系統(tǒng).pdf
- 長齡期高性能混凝土碳化深度的試驗(yàn)研究.pdf
- 基于深度學(xué)習(xí)的大規(guī)模連續(xù)語音識(shí)別系統(tǒng)性能優(yōu)化.pdf
- 基于深度學(xué)習(xí)的目標(biāo)檢測(cè)系統(tǒng)的研發(fā).pdf
- 基于網(wǎng)格的機(jī)群高性能計(jì)算系統(tǒng).pdf
- 基于Linux的高性能VOD系統(tǒng)設(shè)計(jì).pdf
- 基于深度學(xué)習(xí)的問答系統(tǒng)技術(shù)研究.pdf
- 基于深度學(xué)習(xí)的個(gè)性化推薦系統(tǒng).pdf
- 基于深度學(xué)習(xí)的目標(biāo)檢測(cè)系統(tǒng)的研發(fā)
- 基于大規(guī)模視覺模式學(xué)習(xí)的高性能圖像表示.pdf
- 基于片上異構(gòu)平臺(tái)的高性能視頻解碼器的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于深度學(xué)習(xí)的鐵路扣件檢測(cè)系統(tǒng)的研究.pdf
- 基于GPU的高性能處理系統(tǒng)的研究.pdf
評(píng)論
0/150
提交評(píng)論