卷积神经网络的并行化研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-18页 |
| ·研究意义 | 第9-10页 |
| ·研究背景与现状 | 第10-12页 |
| ·相关技术介绍 | 第12-15页 |
| ·Hadoop MapReduce编程框架 | 第12-13页 |
| ·CUDA技术 | 第13-15页 |
| ·CPU+GPU架构 | 第15页 |
| ·主要工作与章节安排 | 第15-18页 |
| 2 卷积神经网络 | 第18-26页 |
| ·网络特征及结构介绍 | 第18-20页 |
| ·三个结构特征 | 第18-19页 |
| ·网络结构 | 第19-20页 |
| ·串行网络训练算法描述与分析 | 第20-26页 |
| ·批量更新与在线更新 | 第21-22页 |
| ·前向传播和误差反向传播 | 第22-24页 |
| ·串行实现存在的问题 | 第24-26页 |
| 3 卷积神经网络的并行化设计与实现 | 第26-36页 |
| ·卷积神经网络并行化策略 | 第26-27页 |
| ·CNN-MR算法设计与实现 | 第27-29页 |
| ·CNN-MR算法复杂度分析 | 第29-30页 |
| ·利用GPU加速CNN-MR | 第30-34页 |
| ·CNN-MR-G算法 | 第34-36页 |
| 4 实验结果及分析 | 第36-43页 |
| ·平台搭建 | 第36-38页 |
| ·实验说明 | 第38-41页 |
| ·数据集简介 | 第38-39页 |
| ·hadoop平台参数设置 | 第39-40页 |
| ·并行算法性能评价标准 | 第40-41页 |
| ·实验结果与分析 | 第41-43页 |
| 5 总结与展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第49页 |
