基于GPU的深度神经网络优化方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究意义 | 第8-9页 |
| 1.2 问题提出 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.4 研究内容 | 第12页 |
| 1.5 文章框架结构 | 第12-14页 |
| 2 基于GPU的深度神经神经网络算法设计 | 第14-24页 |
| 2.1 卷积神经网络研究分析 | 第14-17页 |
| 2.2 训练算法各模块描述 | 第17-20页 |
| 2.3 卷积核选取和GPU的卷积计算实现 | 第20-22页 |
| 2.4 深度神经网络系统需要解决的关键问题 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 基于查表的卷积计算关键技术 | 第24-36页 |
| 3.1 基于查表的卷积计算算法 | 第24-31页 |
| 3.2 数据表示和卷积表的更新 | 第31-34页 |
| 3.3 数据存储优化 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 测试与分析 | 第36-45页 |
| 4.1 测试环境 | 第36-38页 |
| 4.2 测试网络结构 | 第38-39页 |
| 4.3 性能对比测试 | 第39-43页 |
| 4.4 本章小结 | 第43-45页 |
| 5 总结与展望 | 第45-47页 |
| 致谢 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 附录1攻读硕士期间申请的软件著作版权 | 第53-54页 |
| 附录2攻读硕士期间参与的项目 | 第54页 |
