基于AVX2指令集的深度学习混合运算策略 |
| |
作者姓名: | 蒋文斌 王宏斌 刘湃 陈雨浩 |
| |
作者单位: | 华中科技大学计算机科学与技术学院,大数据技术与系统国家工程研究中心,服务计算技术与系统教育部重点实验室,武汉430074;华中科技大学计算机科学与技术学院,大数据技术与系统国家工程研究中心,服务计算技术与系统教育部重点实验室,武汉430074;华中科技大学计算机科学与技术学院,大数据技术与系统国家工程研究中心,服务计算技术与系统教育部重点实验室,武汉430074;华中科技大学计算机科学与技术学院,大数据技术与系统国家工程研究中心,服务计算技术与系统教育部重点实验室,武汉430074 |
| |
摘 要: | 由于图形处理器(GPU)内存容量有限,其所能承载的深度学习网络模型规模受到很大限制。该文提出了一种深度学习混合运算策略,借助于Intel新的单指令多数据AVX2指令集,充分挖掘CPU对GPU的辅助支撑潜力。为节省GPU内存,将中间数据规模较大的网络层放在CPU端计算,并通过AVX2指令集提高CPU端的计算效率。核心技术点包括网络模型的切分与协调、基于AVX2指令的应用代码矢量化等。上述策略最终在Caffe上实现。在包括CIFAR-10、 ImageNet在内的典型数据集上的实验结果表明:采用混合运算策略后,Caffe能够正常运行更大型神经网络模型,并保持较高的执行效率。
|
关 键 词: | 混合运算 深度学习 AVX2指令集 图形处理器(GPU)内存 Caffe |
本文献已被 CNKI 万方数据 等数据库收录! |
|