| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 并行加速现状 | 第15-16页 |
| 1.3 本文主要工作 | 第16-18页 |
| 第二章 系统涉及的并行加速方法 | 第18-30页 |
| 2.1 天河二号超级计算机 | 第18-20页 |
| 2.1.1 天河二号介绍 | 第18页 |
| 2.1.2 天河二号系统配置 | 第18-19页 |
| 2.1.3 本文选用天河二号的原因 | 第19页 |
| 2.1.4 天河二号环境配置 | 第19-20页 |
| 2.2 Intel众核协处理器MIC | 第20-21页 |
| 2.3 常用深度学习开源库介绍 | 第21-23页 |
| 2.4 深度学习开源库通用加速原理 | 第23-26页 |
| 2.4.1 声明式编程与命令式编程 | 第23-24页 |
| 2.4.2 网络模型存储优化 | 第24-25页 |
| 2.4.3 参数更新优化 | 第25页 |
| 2.4.4 命令式和声明式编程的选用 | 第25页 |
| 2.4.5 运算粒度的选择 | 第25-26页 |
| 2.4.6 数据流图的编译和优化 | 第26页 |
| 2.4.7 使用表达式模板 | 第26页 |
| 2.4.8 混合多种优化模式 | 第26页 |
| 2.5 常用深度学习开源库性能比较 | 第26-29页 |
| 2.5.1 不同深度学习开源库的分类 | 第26-27页 |
| 2.5.2 Tensor Flow与其它库的比较 | 第27-28页 |
| 2.5.3 MXNet与其它库的比较 | 第28页 |
| 2.5.4 DL4J与其它库的比较 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 天河二号上计算最小权重编码 | 第30-38页 |
| 3.1 LDPC码介绍 | 第30-31页 |
| 3.2 EG-LDPC码特性 | 第31-32页 |
| 3.3 系统实现需求 | 第32页 |
| 3.4 项目开发环境与选用原因 | 第32-34页 |
| 3.5 系统的框架流程与模块设计 | 第34-37页 |
| 3.6 系统实现效果与分析 | 第37页 |
| 3.7 本章小节 | 第37-38页 |
| 第四章 自动编码器在显著性检测中的并行实现 | 第38-60页 |
| 4.1 视觉显著性的研究现状 | 第39-41页 |
| 4.2 基于中心-周边对比的栈式自动编码器 | 第41-45页 |
| 4.3 系统实现需求 | 第45-46页 |
| 4.4 栈式自动编码器CPU多核并行加速 | 第46-49页 |
| 4.4.1 系统的框架流程与设计 | 第46-48页 |
| 4.4.2 系统实现效果与分析 | 第48-49页 |
| 4.5 基于Tensor Flow的栈式自动编码器的并行实现 | 第49-54页 |
| 4.5.1 项目开发环境与选用原因 | 第49-50页 |
| 4.5.2 系统的框架流程与模块设计 | 第50-52页 |
| 4.5.3 系统实现效果与分析 | 第52-54页 |
| 4.6 自动编码器在MXNet框架上的并行实现 | 第54-58页 |
| 4.6.1 系统实现需求 | 第54页 |
| 4.6.2 系项目开发环境与选用原因 | 第54-55页 |
| 4.6.3 系统实现效果与分析 | 第55-58页 |
| 4.7 本章小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-63页 |
| 5.1 本文工作总结 | 第60-61页 |
| 5.2 未来工作展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-70页 |
| 作者简介 | 第70-71页 |