典型文献
MXNet框架中基于OpenCL核函数的多维线性数据处理
文献摘要：
[目的]在深度学习框架中,为了实现大规模深度学习计算,异构的OpenCL计算模型通过充分利用不同厂商生产的不同类型硬件设备和计算资源成为提升学习效率的重要途径.因此将深度学习框架例如MXNet等迁移至OpenCL计算模型上以提高其对大规模深度学习的适配性.在对MXNet深度学习框架的迁移过程中,深度学习计算中较为普遍的多维线性数据处理相关操作的迁移则是本文需要讨论的主要问题.[方法]通过系统地比较CUDA计算模型和OpenCL计算模型的运行机制,将已兼容CUDA计算模型的MXNet深度学习框架中对多维线性数据处理的逻辑基于OpenCL计算模型进行适配性重构.[结果]通过基于OpenCL计算模型进行适配性重构的MXNet深度学习计算框架中的有关多维线性数据处理的计算操作能够通过已有的框架测试.[结论]基于OpenCL计算模型进行适配性重构方案能够很好地解决MXNet深度学习框架迁移至OpenCL计算模型时较为普遍的多维线性数据处理相关操作的迁移问题.
文献关键词：
OpenCL kernel程序;MXNet;多维线性数据计算
中图分类号：
作者姓名：
甘润东;沈舒尹;张宇哲
作者机构：
南开大学,软件学院,天津 300450
文献出处：
引用格式：
[1]甘润东;沈舒尹;张宇哲-.MXNet框架中基于OpenCL核函数的多维线性数据处理)[J].数据与计算发展前沿,2022(02):29-38
A类：
MXNet,框架迁移,多维线性数据计算
B类：
OpenCL,核函数,深度学习框架,异构的,过充,厂商,硬件设备,计算资源,提升学习,学习效率,移至,适配性,迁移过程,CUDA,计算框架,kernel
AB值：
0.184428
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
