10.3969/j.issn.1000-386x.2020.11.035
卷积神经网络并行方法研究
随着训练数据集的增大和神经网络的日益复杂,训练深度神经网络非常耗时,在有效的时间内训练深度神经网络成为一大挑战.卷积神经网络具有网络参数分布不均匀的特点.提出一种同时使用数据并行和模型并行的卷积神经网络并行方法,并基于国产超级计算机系统和深度学习框架Caffe进行实验.实验结果表明,对某些全连接层,使用模型并行相比使用数据并行加速可达33倍.
卷积神经网络、并行方法、数据并行、模型并行、国产超级计算机系统
37
TP3(计算技术、计算机技术)
国家重点研发计划"全球变化及应对"专项基金项目2016YFA0602200
2020-11-18（万方平台首次上网日期，不代表论文的发表时间）
共6页
209-214
