抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】