面向性能异构的卷积神经网络并行优化研究
| 详细摘要 | 第2-8页 |
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 本文研究背景及其意义 | 第14-15页 |
| 1.2 课题相关领域发展情况 | 第15-20页 |
| 1.2.1 硬件并行化加速 | 第15-16页 |
| 1.2.2 训练方法加速 | 第16-20页 |
| 1.2.3 深度学习框架并行化 | 第20页 |
| 1.3 论文的主要工作 | 第20-21页 |
| 1.4 本文的组织与结构 | 第21-22页 |
| 第二章 相关理论知识 | 第22-30页 |
| 2.1 人工神经网络 | 第22-25页 |
| 2.1.1 发展概述 | 第22-23页 |
| 2.1.2 神经元与单层感知器 | 第23-24页 |
| 2.1.3 多层感知器与神经网络 | 第24-25页 |
| 2.1.4 反向传播算法和反向传播神经网络 | 第25页 |
| 2.2 卷积神经网络 | 第25-29页 |
| 2.2.1 卷积神经网络结构 | 第25-27页 |
| 2.2.2 卷积神经网络下的反向传播算法 | 第27-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 面向大规模卷积神经网络并行方法分析 | 第30-45页 |
| 3.1 问题描述与分析 | 第30-32页 |
| 3.2 问题解决思路 | 第32页 |
| 3.3 面向大规模卷积神经网络并行方法分析 | 第32-43页 |
| 3.3.1 面向大规模卷积神经网络并行计算模型 | 第33-38页 |
| 3.3.2 大规模卷积神经网络训练性能优化方法 | 第38-41页 |
| 3.3.3 资源动态管理策略 | 第41-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第四章 面向性能异构的卷积神经网络通信层优化策略 | 第45-57页 |
| 4.1 问题描述与分析 | 第45-46页 |
| 4.2 延迟同步并行策略 | 第46-48页 |
| 4.3 通信拓扑结构和参数存储方式优化 | 第48-49页 |
| 4.4 延迟同步并行策略实现 | 第49-51页 |
| 4.5 延迟同步并行策略的实验及分析 | 第51-56页 |
| 4.5.1 策略有效性及其性能实验 | 第53-54页 |
| 4.5.2 策略的可扩展性实验 | 第54-55页 |
| 4.5.3 最大间隔对模型训练的影响实验 | 第55-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 本文工作总结 | 第57-58页 |
| 5.2 未来工作及展望 | 第58-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 附录 | 第66页 |
