专利名称：基于Hadoop的DGCNN模型加速方法专利类型：发明专利
发明人：杨雨婷,吴超,张在进,高晨,陈旭申请号：CN201911412304.8申请日：20191231公开号：CN111160535A公开日：20200515
摘要：本发明涉及一种基于Hadoop的DGCNN加速方法，其中，包括：利用MapReduce实现训练样本和计算答案初始位置与结束位置的并行化，分布式地存储在Hadoop平台的每个节点上，每个节点都存储一个相同的完整的卷积神经网络，对于各小块中的每一个样本，节点都执行一次前向传播和反向传播计算，得出各个权值和偏置的局部改变量以及位置信息，接着汇总每个权值和偏置的局部改变量从而得到全局改变量，多次用全局改变量更新权值之后，获得最终网络；使用CUDA进行特征矩阵、神经元以及权值的并行化，为每一层的特征矩阵启动一个线程格，线程块中每个线程对应一个神经元，使得神经元并行，在误差反向传播中，用一个线程对应一个权值，计算该权值的局部梯度改变量，使得权值并行。
申请人：北京计算机技术及应用研究所
地址：100854 北京市海淀区永定路51号
国籍：CN
代理机构：中国兵器工业集团公司专利中心
代理人：张然
更多信息请下载全文后查看
因篇幅问题不能全部显示，请点此查看更多更全内容