基于大数据的并行化深度卷积神经网络优化算法

作     者：毛伊敏 张瑞朋 曹文梁 Mao Yimin;Zhang Ruipeng;Cao Wenliang

作者机构：江西理工大学信息工程学院江西赣州341000 东莞职业技术学院计算机工程系广东东莞523808 

基　　金：国家重点研发计划资助项目(2018YFC1504705) 国家自然科学基金资助项目(41562019) 广东省普通高校特色创新(自然科学)项目(2019GKTSCX142,2017GKTSCX101) 

出 版 物：《计算机应用研究》 (Application Research of Computers)

年 卷 期：2021年第38卷第5期

页      码：1416-1421页

摘      要：针对并行DCNN算法在大数据环境下网络冗余参数过多、收敛速度慢和并行效率低的问题,提出了一种并行化深度卷积神经网络优化算法——PDCNNO(parallel deep convolutional neural networks optimization algorithm)。首先,该算法设计了基于特征图的剪枝策略(PFM),预训练网络,获得压缩后的网络,有效减少了冗余参数,降低了DCNN训练时间和空间复杂度;其次,设计了修正正割线的共轭梯度法(CGMSE),获取局部分类结果,实现了共轭梯度法的快速收敛,提高了网络的收敛速度;最后,在reduce阶段提出了控制负载率的负载均衡策略(LBRLA),获取全局分类结果,实现了数据的快速均匀分组,从而提高了并行系统的加速比。实验表明,该算法不仅降低了DCNN在大数据环境下训练的时间和空间复杂度,而且提高了并行系统的并行化性能。

主 题 词：DCNN算法 MapReduce框架 CGMSE PFM策略 LBRLA策略 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.19734/j.issn.1001-3695.2020.04.0112

馆 藏 号：203103165...