| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 CPU-GPU异构计算平台 | 第12-13页 |
| 1.2.2 异构系统架构 | 第13-14页 |
| 1.2.3 卷积神经网络的优化 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15页 |
| 1.4 论文的组织结构 | 第15-18页 |
| 第2章 HSA异构计算平台和卷积神经网络概述 | 第18-30页 |
| 2.1 HSA异构计算平台概述 | 第18-26页 |
| 2.1.1 主流的CPU-GPU异构计算平台 | 第18-21页 |
| 2.1.2 HSA异构计算平台概述 | 第21-22页 |
| 2.1.3 HSA关键技术研究 | 第22-26页 |
| 2.2 卷积神经网络概述 | 第26-28页 |
| 2.2.1 卷积神经网络模型 | 第26-27页 |
| 2.2.2 卷积神经网络的特点研究 | 第27-28页 |
| 2.2.3 卷积神经网络存在的相关问题 | 第28页 |
| 2.3 本章小结 | 第28-30页 |
| 第3章 HSA下卷积神经网络训练过程的优化研究 | 第30-44页 |
| 3.1 卷积神经网络的过程的研究 | 第30-34页 |
| 3.1.1 卷积过程的研究分析 | 第30-31页 |
| 3.1.2 池化过程的研究分析 | 第31-33页 |
| 3.1.3 反向传输调整权重过程的研究 | 第33-34页 |
| 3.2 HSA下卷积神经网络训练过程的研究 | 第34-38页 |
| 3.2.1 HSA下实现卷积神经网络的关键问题 | 第34页 |
| 3.2.2 HSA下卷积运算的分析研究 | 第34-37页 |
| 3.2.3 HSA下池化和反向传播过程的分析研究 | 第37页 |
| 3.2.4 HSA下矩阵运算的分析研究 | 第37-38页 |
| 3.3 HSA下卷积神经网络训练过程的关键问题以及优化研究 | 第38-42页 |
| 3.3.1 HSA下卷积神经网络训练的关键问题 | 第38-39页 |
| 3.3.2 HSA下卷积神经网络训练的优化设计 | 第39-41页 |
| 3.3.3 HSA下卷积神经网络训练过程的分析研究 | 第41页 |
| 3.3.4 HSA下卷积神经网络训练的实现 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 HSA下卷积神经网络任务模型的优化研究 | 第44-54页 |
| 4.1 HSA下任务模型的关键问题研究 | 第44-46页 |
| 4.1.1 传统异构计算平台上的任务处理研究 | 第44-45页 |
| 4.1.2 HSA异构计算平台上的任务模型设计 | 第45页 |
| 4.1.3 HSA异构计算平台上的任务预处理模型设计研究 | 第45-46页 |
| 4.2 HSA下任务分配模型的实现研究 | 第46-50页 |
| 4.2.1 HSA下任务分配模型的关键问题 | 第46-47页 |
| 4.2.2 HSA下任务分配模型的设计 | 第47-48页 |
| 4.2.3 HSA下任务分配模型的分析研究 | 第48-49页 |
| 4.2.4 HSA下任务分配模型的优化方案研究 | 第49-50页 |
| 4.3 HSA下任务分配模型加速卷积神经网络的研究 | 第50-52页 |
| 4.3.1 HSA下卷积神经网络的任务模型研究 | 第50-51页 |
| 4.3.2 HSA下优化的任务分配模型实现卷积神经网络 | 第51-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第5章 实验结果与分析 | 第54-60页 |
| 5.1 实验环境 | 第54-55页 |
| 5.1.1 硬件环境及软件环境 | 第54-55页 |
| 5.1.2 HSA异构平台的搭建过程简介 | 第55页 |
| 5.2 卷积神经网络的实验结构 | 第55-56页 |
| 5.3 测试数据集的相关描述 | 第56页 |
| 5.4 基于HSA编程模型实现的卷积神经网络的实验测试与分析 | 第56-58页 |
| 5.5 HSA下优化的任务分配模型实现的卷积神经网络测试与分析 | 第58-59页 |
| 5.6 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间获得的学术成果 | 第66页 |
| 攻读学位期间参与的科研项目 | 第66-68页 |
| 致谢 | 第68页 |
