- 博客(2)
- 资源 (9)
- 收藏
- 关注
原创 利用高性能计算加速深度学习算法
深度学习是机器学习研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如图像,声音和文本。深度学习典型应用为图像识别和语音识别。GPU正在以大大超过摩尔定律的速度高速发展(大约每隔半年 GPU 的性能增加一倍),远远超过了CPU 的发展速度。GPU加速深度学习算法可以获得较大的性能提升,本文主要介绍深度学习算法在GPU平台上的并行设计和优化方法。
2015-10-28 14:17:57 13104 1
原创 CPU+GPU集群计算中的一种动态负载均衡设计方法
目前,随着高性能计算应用软件的发展,应用对计算性能的需求越来越高,越来越多的高性能计算应用软件采用的是CPU与GPU异构协同计算的计算模式,即在传统的多核CPU架构基础上扩展GPU架构处理器,组成CPU和GPU混合的架构平台,基于该架构平台设计相应的软件解决方案,使得CPU与GPU能够有效的进行协同计算。其中,CPU与GPU的负载均衡问题是关系到CPU与GPU混合架构平台的计算性能能否发挥到极致的重要因素。
2015-10-14 13:23:59 4024 1
高性能计算
2015-11-23
利用高性能计算加速深度学习算法
2015-11-03
基于GPU平台的SimpleScalar并行模拟实现.pdf
2009-11-29
Parallel Branch Prediction on GPU Platform.pdf
2009-11-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人