Akcelerace neuronových sítí s využitím GPU

Loading...
Thumbnail Image
Date
ORCID
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Tato práce se zabývá využitím grafických čipů pro akceleraci neuronových sítí s učením typu backpropagation. Pro řešení tohoto problému byla zvolena technologie OpenCL umožňující využít grafické čipy různých výrobců. Hlavním cílem práce byla akcelerace časově náročného procesu učení sítí a procesu klasifikace. Zrychlení bylo docíleno trénováním velkého množství neuronových sítí současně. Získané zrychlení bylo využito pro nalezení vhodné topologie a nastavení neuronové sítě pro zadanou úlohu pomocí genetického algoritmu.
The thesis deals with the acceleration of backpropagation neural networks using graphics chips. To solve this problem it was used the OpenCL technology that allows work with graphics chips from different manufacturers. The main goal was to accelerate the time-consuming learning process and classification process. The acceleration was achieved by training a large amount of neural networks simultaneously. The speed gain was used to find the best settings and topology of neural network for a given task using genetic algorithm.
Description
Citation
ŠIMÍČEK, O. Akcelerace neuronových sítí s využitím GPU [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2015.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Bezpečnost informačních technologií
Comittee
prof. Ing. Tomáš Vojnar, Ph.D. (předseda) prof. Ing. Martin Drahanský, Ph.D. (místopředseda) doc. Ing. Radek Burget, Ph.D. (člen) Ing. Martin Hrubý, Ph.D. (člen) Doc. Věra Rozinajová, Ph.D. (člen) doc. Ing. Ondřej Ryšavý, Ph.D. (člen)
Date of acceptance
2015-06-24
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm " B " Otázky u obhajoby: V kapitole 5.2, obrázek 5.1 je popsán návrh algoritmu. Zde je ukázka sekvenčního zpracování několika balíků neuronových sítí. Nebylo by výhodnější využít několika GPU front a překrýt výpočet a zasílání dat? Jak se mění výkon, pokud počet neuronů ve skryté vrstvě není násobkem velikosti wavefront (32/64). Analyzoval jste využití zdrojů GPU pro různé velikosti sítí (počet registrů, velikost lokální paměti)? Analyzoval jste alespoň některé výkonnostní metriky (divergenci vláken, instruction replay, propustnosti pamětí, atd...) Jak jste řešil problém vyvážení zátěže, kdy každá work group dostane na vyhodnocení neuronovou sít jiné velikosti?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení
DOI
Collections
Citace PRO