声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：蒋文斌, 王宏斌, 刘湃, 陈雨浩
单位：华中科技大学 计算机科学与技术学院, 大数据技术与系统国家工程研究中心, 服务计算技术与系统教育部重点实验室, 武汉 430074
关键词：混合运算,深度学习,AVX2指令集,图形处理器(GPU)内存,Caffe
由于图形处理器（GPU）内存容量有限，其所能承载的深度学习网络模型规模受到很大限制。该文提出了一种深度学习混合运算策略，借助于Intel新的单指令多数据AVX2指令集，充分挖掘CPU对GPU的辅助支撑潜力。为节省GPU内存，将中间数据规模较大的网络层放在CPU端计算，并通过AVX2指令集提高CPU端的计算效率。核心技术点包括网络模型的切分与协调、基于AVX2指令的应用代码矢量化等。上述策略最终在Caffe上实现。在包括CIFAR-10、ImageNet在内的典型数据集上的实验结果表明：采用混合运算策略后，Caffe能够正常运行更大型神经网络模型，并保持较高的执行效率。
来源：2020年第5期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。