基于CUDA的GMM模型快速训练方法

• 作者: 吴奎 宋彦 戴礼荣
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 混合高斯模型 语种识别 图形处理单元 统一计算设备架构
• 年，卷（期）: 2012,（1）
• 页码范围: 85-90
• 分类号: TP391
• 字数: 6101字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-9037.2012.01.014

摘要

由于能够很好地近似描述任何分布,混合高斯模型(GMM)在模式在识别领域得到了广泛的应用.GMM模型参数通常使用迭代的期望最大化(EM)算法训练获得,当训练数据量非常庞大及模型混合数很大时,需要花费很长的训练时间.NVIDIA公司推出的统一计算设备架构(Computed unified device architecture,CUDA)技术通过在图形处理单元(GPU)并发执行多个线程能够实现大规模并行快速计算.本文提出一种基于CUDA,适用于特大数据量的GMM模型快速训练方法,包括用于模型初始化的K-means算法的快速实现方法,以及用于模型参数估计的EM算法的快速实现方法.文中还将这种训练方法应用到语种GMM模型训练中.实验结果表明,与Intel DualCore PentiumⅣ3.0 GHz CPU的一个单核相比,在NVIDIA GTS250 GPU上语种GMM模型训练速度提高了26倍左右.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴礼荣	中国科学技术大学电子工程与信息科学系	86	643	14.0	21.0
2	吴奎	中国科学技术大学电子工程与信息科学系	2	5	1.0	2.0
3	宋彦	中国科学技术大学电子工程与信息科学系	45	315	10.0	16.0