-
题名基于大数据的并行化深度卷积神经网络优化算法
被引量：4
- 1
-
-
作者
毛伊敏
张瑞朋
曹文梁
-
机构
江西理工大学信息工程学院
东莞职业技术学院计算机工程系
-
出处
《计算机应用研究》
CSCD
北大核心
2021年第5期1416-1421,共6页
-
基金
国家重点研发计划资助项目(2018YFC1504705)
国家自然科学基金资助项目(41562019)
广东省普通高校特色创新(自然科学)项目(2019GKTSCX142,2017GKTSCX101)。
-
文摘
针对并行DCNN算法在大数据环境下网络冗余参数过多、收敛速度慢和并行效率低的问题,提出了一种并行化深度卷积神经网络优化算法——PDCNNO(parallel deep convolutional neural networks optimization algorithm)。首先,该算法设计了基于特征图的剪枝策略(PFM),预训练网络,获得压缩后的网络,有效减少了冗余参数,降低了DCNN训练时间和空间复杂度;其次,设计了修正正割线的共轭梯度法(CGMSE),获取局部分类结果,实现了共轭梯度法的快速收敛,提高了网络的收敛速度;最后,在reduce阶段提出了控制负载率的负载均衡策略(LBRLA),获取全局分类结果,实现了数据的快速均匀分组,从而提高了并行系统的加速比。实验表明,该算法不仅降低了DCNN在大数据环境下训练的时间和空间复杂度,而且提高了并行系统的并行化性能。
-
关键词
DCNN算法
MAPREDUCE框架
cgmse
PFM策略
LBRLA策略
-
Keywords
deep convolutional neural network(DCNN)algorithm
MapReduce framework
conjugate gradient strategy based on modified secant equation(cgmse)
pruning method based on feature map(PFM)strategy
load balancing strategy based balancing load rate(LBRLA)strategy
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
