文章
文章平均质量分 80
不爱吃香菇的干饭少年
小白中白大白
展开
-
优化的 MCM-GPU 比具有相同 SM 总数和 DRAM 带宽的同等配备的多 GPU 系统快 26.8%。
基于GPU的计算加速是推动高性能计算(HPC)系统[12]–[29]、大规模云安装中的机器学习和数据分析应用以及个人计算设备[15]–[47]性能的主要工具。在此类设备中,每个计算节点或计算设备通常由具有一个或多个 GPU 加速器的 CPU 组成。这些领域的前进道路,无论是在HPC中实现百万兆次级性能,还是使用深度卷积神经网络实现人类水平的人工智能,都依赖于持续扩展GPU性能的能力[29],[47]。原创 2023-12-06 17:47:10 · 228 阅读 · 0 评论 -
电磁建模的分布式并行计算技术
本文提出了一种新的分布式并行电磁建模技术,以加快电磁结构的神经网络建模过程。现有的电磁建模技术通常需要反复改变微波器件的参数,驱动电磁模拟器以获得足够的训练和测试样本。随着电磁建模问题复杂性的增加,由于单台计算机的性能有限,。一个例子表明,我们的技术比传统技术更快,同时保持良好的模型精度。原创 2023-11-24 19:20:42 · 147 阅读 · 0 评论 -
电磁优化的并行空间映射方法
空间映射(SM)是一种公认的加速电磁优化的方法。现有的SM方法大多基于顺序计算机制。本文提出了一种用于电磁优化的并行SM方法。在该方法中,每次迭代开发的代理模型被训练以同时匹配多个点的精细模型。多点训练和SM使代理模型在比标准SM更大的邻域内有效。本文提出的多点代理模型训练方法本质上适合于并行计算,并通过并行计算实现。这包括并行的多个精细模型评估和使用并行算法的多点代理训练。与标准模型相比,该方法进一步减少了模型的迭代次数,加快了优化过程。通过三个微波滤波器实例说明了该技术。SM优化公式。原创 2023-11-22 21:37:59 · 184 阅读 · 0 评论