基于Caffe的嵌入式多核处理器深度学习框架并行实现

• 作者: 张良 梅魁志 高榕
• 来源期刊: 西安交通大学学报
• 关键词: 深度学习 移动端 前向计算 并行 OpenCL
• 年，卷（期）: 2018,（6）
• 页码范围: 36-41,113
• 页数: 7页
• 分类号: TP183
• 语种: 中文
• DOI: 10.7652/xjtuxb201806006

摘要

针对开源深度学习快速特征嵌入的卷积框架(Caffe)在Android移动端进行前向计算时存在的兼容性和时间性能差的问题,提出了基于Caffe的嵌入式同构、异构并行化改进设计方法.该方法将Caffe及其第三方库通过交叉编译移植到嵌入式移动平台后,利用同构的多核多线程方法分别对卷积层、输入帧之间的部分前向计算过程进行了并行化;实现了采用开放运算语言(OpenCL)的异构图形处理器(GPU)卷积计算,进一步提升了框架的处理速度.对3种经典的深度神经网络模型MNIST、Cifar-10和CaffeNet进行了测试对比,测试结果表明:在没有任何模型精度损失的条件下,并行后的前向计算耗时明显低于并行前,时间性能提升最高达到2倍.所提方法能够将深度学习框架Caffe高效地、并行地部署和应用于嵌入式移动多核芯片上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梅魁志	西安交通大学电子与信息工程学院	22	216	9.0	14.0
2	张良	西安交通大学电子与信息工程学院	7	32	4.0	5.0
3	高榕	西安交通大学电子与信息工程学院	1	11	1.0	1.0