基于Hadoop的DGCNN模型加速方法

专利申请号：CN201911412304.8

公 开 号：CN111160535B

发 明 人：杨雨婷 吴超 张在进 高晨 陈旭 

代 理 人：中国兵器工业集团公司专利中心张然

代理机构：中国兵器工业集团公司专利中心

专利类型：发明专利

申 请 日：20240130

公 开 日：20191231

专利主分类号：G06N3/098

关 键 词：改变量 神经元 线程 特征矩阵 并行化 权值和 偏置 并行 存储 卷积神经网络 误差反向传播 反向传播 局部梯度 前向传播 训练样本 线程块 小块 全局 样本 答案 更新 网络 

摘      要：本发明涉及一种基于Hadoop的DGCNN加速方法，其中，包括：利用MapReduce实现训练样本和计算答案初始位置与结束位置的并行化，分布式地存储在Hadoop平台的每个节点上，每个节点都存储一个相同的完整的卷积神经网络，对于各小块中的每一个样本，节点都执行一次前向传播和反向传播计算，得出各个权值和偏置的局部改变量以及位置信息，接着汇总每个权值和偏置的局部改变量从而得到全局改变量，多次用全局改变量更新权值之后，获得最终网络；使用CUDA进行特征矩阵、神经元以及权值的并行化，为每一层的特征矩阵启动一个线程格，线程块中每个线程对应一个神经元，使得神经元并行，在误差反向传播中，用一个线程对应一个权值，计算该权值的局部梯度改变量，使得权值并行。