基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
深层神经网络(Deep Neural Networks,DNN)在语音识别、图像识别这种具有明显空间时间相关性的模式识别应用中。具有明显的优势。鉴于DNN模型待估计参数的数目和参数估计的特点,以及现有海量数据训练的需求,单机训练DNN模型,往往需要一至多个月的时间,不能满足实际的各种应用需求。因此本文主要介绍一些现有的并行训练方法,以及腾讯公司关于并行化的一些尝试和思考。
推荐文章
基于多 GPU 并行框架的 DNN 语音识别研究
深度神经网络
语音识别
图形处理器
并行框架
基于GPU-Hadoop的并行计算框架研究与实现
云计算
图形处理器
并行计算
Hadoop
海洋流场可视化
MapReduce
基于分布/并行计算框架求解多学科设计优化问题
分布/并行策略
计算框架
多学科设计优化
基于改进量子粒子群的分布式并行计算框架设计
量子粒子群
任务
并行计算
混沌
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 DNN并行计算框架
来源期刊 程序员 学科 工学
关键词 DNN 并行化 计算框架 NETWORKS 时间相关性 训练方法 参数估计 神经网络
年,卷(期) 2013,(6) 所属期刊栏目
研究方向 页码范围 37-39
页数 3页 分类号 TP301.6
字数 语种
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2013(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
DNN
并行化
计算框架
NETWORKS
时间相关性
训练方法
参数估计
神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
程序员
月刊
1672-3252
11-5038/G2
16开
北京市朝阳区广顺北大街33号院1号楼福码
2-665
2000
chi
出版文献量(篇)
10184
总下载数(次)
35
总被引数(次)
6420
论文1v1指导