版權說明: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,請進行舉報或認領
文檔簡介
1、隨著計算需求的擴大、數(shù)據(jù)庫技術的成熟、信息技術與生物基因技術的發(fā)展,高性能計算已經(jīng)成為了最熱門的研究領域之一。當前高性能計算的發(fā)展水平不僅是衡量一個國家綜合國力和國際競爭力的重要指標,也是世界各國競相爭奪的戰(zhàn)略制高點。
從第一塊GPU的出現(xiàn)到現(xiàn)在已經(jīng)過去了十幾個年頭,在很長一段時間內(nèi)GPU只能被用于視頻編解碼、3D渲染等圖像處理領域。隨著GPU性能的不斷提升、功能的不斷增強,它逐漸被應用到需要大量計算能力的科學計算領域。2
2、001年已經(jīng)開始有人利用GPU來加速矩陣乘法運算,隨后,基于GPU加速的應用出現(xiàn)了爆炸式的增長??茖W界對GPU的利用也促使GPU本身的架構發(fā)生巨大變化,為了適應科學計算的需求,GPU漸漸向通用架構轉變,它不僅能加速圖形應用,還能加速科學計算應用,基于GPU的高性能計算也逐漸成為研究的熱點之一。
由于SVM在大規(guī)模數(shù)據(jù)應用中存在著訓練速度緩慢,內(nèi)存資源占用較多等缺陷,通過設計合適的并行算法程序并利用GPU進行運算以提高SVM
3、的實用性是非常有前景的。
本文首先介紹了并行計算的基本概念,引出了基于GPU的高性能計算方式。概括CUDA架構的特點,總結了此架構的兩大重點概念:線程模型和存儲模型。然后介紹了OpenCL編程模型、SVM以及SMO訓練算法的相關知識,詳細分析了SMO訓練算法中的并行點,并由此設計了并行算法。與傳統(tǒng)的串行算法相比,本設計主要在三個方面做了并行化處理:多分類器訓練、大規(guī)模矩陣運算以及樣本的尋找。實驗分析結果表明,并行算法基本滿
4、足了設計要求。此外,本文在深入了解基于GPU的并行程序設計基礎上,選用OpenCL作為算法實現(xiàn)工具,基于Visual Studio2010完成了算法程序開發(fā)。文中詳細地介紹了算法設計以及關鍵程序設計,并在理論上對實驗結果做出了預測。
最后,本文基于Core i7980X+GTX470和Q9400+Geforce310搭建了兩個實驗平臺,并在這兩個平臺上分別進行了算法仿真實驗。通過對實驗結果的分析表明,基于GPU的并行支持向
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(lián)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(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)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。
最新文檔
- GPU集群環(huán)境下支持向量機訓練的異構并行實現(xiàn).pdf
- 并行支持向量機的研究與實現(xiàn).pdf
- 并行支持向量機平臺的研究與實現(xiàn).pdf
- 基于支持向量機的文本并行分類算法研究.pdf
- 資源受限的并行支持向量機.pdf
- 基于支持向量機的車牌定位系統(tǒng)的設計與實現(xiàn).pdf
- 基于支持向量機的水電故障分類器的設計與實現(xiàn).pdf
- 基于GPU的并行加解密系統(tǒng)的設計與實現(xiàn).pdf
- 基于GPU的并行帶鋼邊緣檢測系統(tǒng)的設計與實現(xiàn).pdf
- 基于支持向量機的人臉檢測系統(tǒng)的設計與實現(xiàn).pdf
- 基于支持向量機的圖像分類研究與實現(xiàn).pdf
- 基于支持向量機與Agent技術的入侵檢測系統(tǒng)設計與實現(xiàn).pdf
- 基于GPU集群的通用并行渲染系統(tǒng)設計與實現(xiàn).pdf
- GPU上圖處理并行框架的設計與實現(xiàn).pdf
- 基于gpu的h.265視頻并行編碼設計與實現(xiàn)
- HEVC關鍵模塊并行算法的設計與基于GPU的實現(xiàn).pdf
- 支持向量機的并行學習與增量學習方法研究.pdf
- 基于GPU的FPGA并行布線算法實現(xiàn).pdf
- 基于支持向量機的轉爐終點預測研究與實現(xiàn).pdf
- 基于Hodoop平臺的并行增量式支持向量機學習算法研究.pdf
評論
0/150
提交評論