基于众核架构的BP神经网络算法优化

• 作者: 周文
• 来源期刊: 电子世界
• 关键词: 众核架构 BP神经网络 缓存分块 向量化
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 探索与观察
• 页码范围: 48-51
• 页数: 4页
• 字数: 2444字
• 语种: 中文

摘要

近年来,众核处理器(Many Integrated Cores,MIC)越来越多地为人们所关注,众核架构已经成为许多超算的首选.BP神经网络是采用反向误差传播(Back Propagation,BP)算法的人工神经网络,对于处理器的浮点计算能力要求比较高.目前最新的Intel Xeon Phi(KNL)众核处理器可以达到3TFLOPS的双精度浮点峰值性能.本文对BP神经网络在KNL上进行了向量化扩展,并使用寄存器分块和缓存分块方法优化研究.实验结果表明在KNL上最快能达到220img/s的处理速度,其加速比达到了13.2,为GPU的2.9倍,KNC的2.28倍.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周文	南京航空航天大学计算机科学与技术学院	1	2	1.0	1.0