文献

J-GLOBAL ID：202102230868499469   整理番号：21A1741517

スパースニューラルネットワークのGPU加速【JST・京大機械翻訳】

GPU Acceleration of Sparse Neural Networks

著者 (6件)： Gajurel Aavaas (Department of Computer Science and Engineering, University of Nevada, Reno, Reno, NV, USA) ,  Louis Sushil J. (Department of Computer Science and Engineering, University of Nevada, Reno, Reno, NV, USA) ,  Wu Rui (Department of Computer Science, East Carolina University, Greenville, NC, USA) ,  Barford Lee (Department of Computer Science and Engineering, University of Nevada, Reno, Reno, NV, USA) ,  Barford Lee (Keysight Laboratories, Keysight Technologies, Reno, NV, USA) ,  Harris Frederick C. Jr. (Department of Computer Science and Engineering, University of Nevada, Reno, Reno, NV, USA)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1346  ページ： 323-330  発行年： 2021年 
JST資料番号： W5075A  ISSN： 2194-5357  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文では,スパースで任意の構造化ニューラルネットワークを加速するためにグラフィックス処理ユニット(GPU)を用いた。スパースネットワークは,先行および追従層におけるノードと完全に接続されないネットワークにおいてノードを持ち,任意の構造ニューラルネットワークは各層において異なるノード数を持つ。任意の構造を有するスパースニューラルネットワークは,ニューラルネットワーク剪定や進化機械学習戦略のようなプロセスにおいて一般的に生成される。グラフィカル処理ユニットを用いて,そのようなニューラルネットワークの完全活性化に対して大幅な高速化を得ることができることを示した。ネットワーク内のすべてのノードに対する依存性グループを決定するために,プレポグラフステップを行い,ニューラルネットワークにおける活性化の進行を誘導するための情報を使用した。次に,GPUにおけるそれ自身の分離スレッドにおける各ノードに対する活性化を計算し,大規模並列化を可能にした。CUDAフレームワークを用いて提案アプローチを実装し,逐次およびGPU実装の結果を比較した。結果は,スパースニューラルネットワークの活性化がGPU加速に非常に良く終わって,そのようなネットワークまたは類似構造を有する他のプロセスを生成する機械学習戦略の高速化を助けることができることを示す。Copyright The Author(s), under exclusive license to Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  *ニューラルネットワーク ,  処理装置 ,  高速化 ,  機械学習 ,  スレッド
準シソーラス用語： GPU【プロセッサ】 ,  CUDA ,  学習戦略 , 【Automatic Indexing@JST】

著者キーワード (4件)： GPU ,  ニューラルネットワーク ,  CUDA ,  グラフ処理

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： GPU ,  加速