模型并行相关论文
随着机器学习领域的不断发展,用于机器学习的模型变得越来越大,用于训练的样本数据量不断增多。这两种变化导致了单台计算机在执行......
针对深度学习图像分类场景多GPU并行后传输效率低下的问题，首先提出一种时间复杂度更低的Ring All Reduce改进算法，通过分节点间隔配......
近年来,越来越多的机器人问题开始探索基于深度学习的解决途径。然而,深度神经网络能力的提升往往伴随着模型规模和复杂度的增加,......
随着人工智能的飞速发展,机器学习逐渐趋向于大数据、大模型、大规模集群训练,这在加强机器学习能力的同时也对机器学习策略提出了......
针对使用传统模型并行方法加速卷积神经网络训练容易出现设备利用率不高的问题,提出了通过软件流水线方式加速卷积神经网络的方法 ......
随着混合异构平台的发展,出现了类型不一的加速设备,如何在混合异构平台中充分利用这些不同类型的设备,以及如何在多个计算设备之......
随着训练数据规模的增大以及训练模型的日趋复杂,深度神经网络的训练成本越来越高,对计算平台提出了更高的算力需求,模型训练并行......
信息化时代高速发展,大数据的量与日俱增,通过云计算平台对大数据进行分析利用已成为企业之间竞争的强有力工具。如何更有效地抓住......
学位
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”＄ MN。W;- __._——————》 砧叫]们......
近年来,深度学习领域的研究工作取得飞速的发展。更复杂的网络结构和更深的网络层数,使得神经网络模型的规模越来越大。虽然有效地......
学位
随着训练数据集的增大和神经网络的日益复杂,训练深度神经网络非常耗时,在有效的时间内训练深度神经网络成为一大挑战。卷积神经网......
神经网络是人工智能领域的核心研究内容之一。七十年发展历史中,神经网络经历了从浅层神经网络到深度神经网络的重要变革。深度神......
随着深度学习技术的不断发展,卷积神经网络凭借其优异的识别性能,在图像识别等领域受到了越来越多的关注。由于神经网络模型通常包......
随着互联网用户数量的快速增长以及电商和微博等社交平台的流行,互联网中的文本数量呈现爆炸性增长。挖掘海量文本信息,具有很大的......
