GPU异构计算环境中长短时记忆网络模型的应用及优化

作     者：梁桂才 梁思成 陆莹 LIANG Guicai;LIANG Sicheng;LU Ying

作者机构：广西机电职业技术学院信息管理中心南宁530007 

基　　金：2023年广西科技厅广西重点研发计划项目:基于GPU的高性能AI算力一体化资源池的构建(2023AB01399) 

出 版 物：《计算机应用文摘》 (Chinese Journal of Computer Application)

年 卷 期：2024年第40卷第10期

页      码：37-41页

摘      要：随着深度学习的广泛应用及算力资源的异构化,在GPU异构计算环境下的深度学习加速成为又一研究热点。文章探讨了在GPU异构计算环境中如何应用长短时记忆网络模型,并通过优化策略提高其性能。首先,介绍了长短时记忆网络模型的基本结构(包括门控循环单元、丢弃法、Adam与双向长短时记忆网络等);其次,提出了在GPU上执行的一系列优化方法,如CuDNN库的应用及并行计算的设计等。最终,通过实验分析了以上优化方法在训练时间、验证集性能、测试集性能、超参数和硬件资源使用等方面的差异。

主 题 词：GPU异构 长短时记忆网络 门控循环单元 Adam Dropout CuDNN 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

馆 藏 号：203127979...