| 基于多GPU的深层神经网络快速训练方法 |
| |
| 引用本文： | 薛少飞,宋彦,戴礼荣.基于多GPU的深层神经网络快速训练方法[J].清华大学学报(自然科学版),2013(6):745-748. |
| |
| 作者姓名： | 薛少飞 宋彦 戴礼荣 |
| |
| 作者单位： | 中国科学技术大学电子工程与信息科学系 |
| |
| 基金项目： | 国家“九七三”重点基础研究发展计划前期研究专项(2012CB326405);国家自然科学基金项目(61273264,61172158) |
| |
| 摘 要： | 近年来,深层神经网络(deep neural network,DNN)被成功应用于语音识别领域,成为一种很具发展潜力的语音识别模型。然而,由于其训练算法复杂度高,随着训练数据和网络规模增大,DNN模型训练将非常耗时。为提高DNN的训练效率,该文研究了基于多图形处理器(graph-ic processing unit,GPU)的DNN快速训练算法。在TIMIT数据集上的音素识别实验显示:在基本保证识别性能的前提下,优化后的DNN快速训练方法在4个GPU下训练速度相比单GPU有约3.3倍的提升。实验结果表明该快速训练方法可以显著提升DNN模型的训练速度。
|
| 关 键 词： | 深层神经网络(DNN) 图形处理器(GPU) 音素识别 |
| 本文献已被 CNKI 等数据库收录！ |
|
