首页 | 本学科首页   官方微博 | 高级检索  
     检索      

N3LDG: 一种轻量级自然语言处理深度学习库
引用本文:王潜升,余南,张梅山,韩子嘉,付国宏.N3LDG: 一种轻量级自然语言处理深度学习库[J].北京大学学报(自然科学版),2019,55(1):113-119.
作者姓名:王潜升  余南  张梅山  韩子嘉  付国宏
作者单位:黑龙江大学计算机科学技术学院,哈尔滨,150080;黑龙江大学计算机科学技术学院,哈尔滨,150080;黑龙江大学计算机科学技术学院,哈尔滨,150080;黑龙江大学计算机科学技术学院,哈尔滨,150080;黑龙江大学计算机科学技术学院,哈尔滨,150080
基金项目:国家自然科学基金(61672211, 61602160)和黑龙江省自然科学基金(F2016036)资助
摘    要:提出一种用于自然语言处理的轻量级深度学习库N3LDG, 可以支持动态地构建计算图, 并能自动地批量化执行计算图。实验显示, 当训练卷积神经网络、双向LSTM和树结构LSTM时, N3LDG都能高效地构建与执行计算图; 当使用CPU训练上述模型时, N3LDG的训练速度优于PyTorch; 当使用GPU训练卷积神经网络和树结构LSTM模型时, N3LDG的训练速度优于PyTorch。

关 键 词:深度学习库  自然语言处理  轻量级  CUDA
收稿时间:2018-04-21

N3LDG: A Lightweight Neural Network Library for Natural Language Processing
WANG Qiansheng,YU Nan,ZHANG Meishan,HAN Zijia,FU Guohong.N3LDG: A Lightweight Neural Network Library for Natural Language Processing[J].Acta Scientiarum Naturalium Universitatis Pekinensis,2019,55(1):113-119.
Authors:WANG Qiansheng  YU Nan  ZHANG Meishan  HAN Zijia  FU Guohong
Institution:School of Computer Science and Technology, Heilongjiang University, Harbin 150080
Abstract:The authors propose a neural network library N3LDG for natural language processing. N3LDG supports constructing computation graphs dynamically, and organizing executions into batches automatically. Experiments show that N3LDG can efficiently construct and execute computation graphs when training CNN, Bi-LSTM, and Tree-LSTM. When using CPU to train above models, the training speed of N3LDG is better than that of PyTorch. When using GPU to train CNN and Tree-LSTM, N3LDG is better than PyTorch.
Keywords:deep learning library  NLP  lightweight  CUDA  
本文献已被 CNKI 万方数据 等数据库收录!
点击此处可从《北京大学学报(自然科学版)》浏览原始摘要信息
点击此处可从《北京大学学报(自然科学版)》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号