文献

J-GLOBAL ID：201702261298459084   整理番号：17A0756222

ニューラルネットワーク訓練速度へのスーパーコンピュータの利用【Powered by NICT】

Using Supercomputer to Speed up Neural Network Training

著者 (3件)： Yu Yue ,  Jiang Jinrong ,  Chi Xuebin
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICPADS  ページ： 942-947  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 深学習における最近の研究は,大規模モデルは性能を劇的に改善できることを示した。本論文では,多くのGPUを用いた深いネットワーク訓練を加速した。複数のGPUを用いた計算クラスタを利用する大規模モデルを訓練することをCaffe呼ぶCaffe HPCに基づくフレームワークを開発した。Caffe[6]は,最先端の深層学習アルゴリズムのための清浄および修正可能なフレームワークと参照モデルの収集とマルチメディア科学者と実務者を提供する。Caffe HPCは元のCaffeの全ての特徴を保持し,元のCaffe上で訓練されたモデルはCaffe HPC上で訓練されたし続けることができる。Caffeを使用している人々のための便利な溶液を提供し,訓練をスピードアップした。非同期確率勾配降下最適化を用いて,著者らは,ILSVRC[5]2012データセット上でCNNモデルを訓練に良好な加速を行った。異なるSGDアルゴリズムの収束を比較した。著者らの研究は,合理的な時間で大きな訓練集合上で大規模ネットワークを訓練することを可能にすると考えられる。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： マルチメディア ,  *ネットワーク ,  学習アルゴリズム ,  *ニューラルネットワーク ,  最適化 ,  クラスタ ,  規範モデル ,  *スーパコンピュータ ,  科学者 ,  学習 ,  アルゴリズム ,  深層
準シソーラス用語： 大規模ネットワーク ,  確率勾配 ,  最先端 , 【Automatic Indexing@JST】

分類 (2件)： ディジタル計算機方式一般  (JC02010O) ,  数値計算  (JE02000J)

タイトルに関連する用語 (3件)： ニューラルネットワーク ,  訓練 ,  スーパーコンピュータ