基于GPU的受限玻尔兹曼机并行加速

发布时间：2017-09-05 21:24

本文关键词：基于GPU的受限玻尔兹曼机并行加速

【摘要】：为针对受限玻尔兹曼机处理大数据时存在的训练缓慢、难以得到模型最优的问题,提出了基于GPU的RBM模型训练并行加速方法。首先重新规划了对比散度算法在GPU的实现步骤;其次结合以往GPU并行方案,提出采用CUBLAS执行训练的矩阵乘加运算,设计周期更长、代码更为简洁的Tausworthe113和CLCG4的组合随机数生成器,利用CUDA拾取纹理内存的读取模式实现了Sigmoid函数值计算;最后对训练时间和效果进行检验。通过MNIST手写数字识别集实验证明,相较于以往RBM并行代码,新设计的GPU并行方案在处理大规模数据集训练上优势较为明显,加速比达到25以上。
【作者单位】：海军航空工程学院;第二炮兵工程大学士官职业技术教育学院;
【关键词】： 受限玻尔兹曼机 GPU CUDA 加速比 并行加速
【基金】：国家自然科学基金(61032001)
【分类号】：TP338.6
【正文快照】： 基于能量模型的受限玻尔兹曼机(Restricted BoltzmannMachine,RBM)[1]以其简单的人工神经网络形式和快速的学习算法,越来越受到机器学习的关注,目前已经广泛应用于数据降维、语音识别、3D物体识别、图像转换以及高维时间序列建模等机器学习问题,进而催生出机器学习一个新的领

【相似文献】

中国期刊全文数据库前3条

1 刘来福，唐志宇，匡锦瑜;向量玻尔兹曼机[J];北京师范大学学报(自然科学版);1996年04期

2 秦胜君;卢志平;;基于限制玻尔兹曼机的无极性标注情感分类研究[J];科学技术与工程;2013年35期

3 ;[J];;年期

中国硕士学位论文全文数据库前6条

1 王海麟;通过信息几何方法挖掘玻尔兹曼机的不变性[D];天津大学;2014年

2 李娟;基于RBM的小分子活性及选择性研究[D];兰州大学;2015年

3 仝少敏;基于受限玻尔兹曼机的面部运动识别方法研究[D];哈尔滨工业大学;2014年

4 叶睿;基于深度学习的人脸检测方法研究[D];哈尔滨工业大学;2015年

5 李平;监督概率主题模型研究[D];安徽工业大学;2014年

6 王雅思;深度学习中的自编码器的表达能力研究[D];哈尔滨工业大学;2014年