典型文献
机器学习和深度学习的并行训练方法
文献摘要：
并行计算技术广泛用于对一些特定问题进行更进一步的优化,从而突破性地降低算法的时间消耗.近年来,随着大数据和人工智能的快速发展,在进行大规模深度学习模型的训练时,时间消耗成为一个重要的考虑因素.在模型的训练过程中,由于各个样本之间互不相关的性质,使得模型的训练过程可以利用并行技术来很好地优化.本文以最基础的线性回归作为模型的任务,测试了并行化方法在深度学习模型中的可行性,并对比了不同节点下的性能提升幅度.本文所提出的并行训练方法的时间复杂度为O(m k×P+k× ?,根据该时间复杂度,可以合理地根据待解决问题的规模来选择合适的并行化策略.)
文献关键词：
并行计算;机器学习;深度学习;最优化
中图分类号：
作者姓名：
祝佳怡
作者机构：
西南民族大学计算机科学与工程学院,成都 610225
文献出处：
引用格式：
[1]祝佳怡-.机器学习和深度学习的并行训练方法)[J].现代计算机,2022(14):42-48
A类：
P+k
B类：
训练方法,并行计算,计算技术,更进一步,深度学习模型,训练过程,互不,不相关,并行技术,并行化,性能提升,升幅,时间复杂度
AB值：
0.312524
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。
