检索结果-内蒙古大学图书馆

作者：张敏中国科学技术大学

学位级别：博士

随着软件系统规模和复杂性的不断增加，系统各个组件之间的相互影响变得越来越复杂。这些相互影响会限制软件的重用性和适应性，并使验证系统的逻辑正确性变得很困难。传统的软件开发方法已经难以从根本上解决由于系统复杂度的提高而带... 详细信息

随着软件系统规模和复杂性的不断增加，系统各个组件之间的相互影响变得越来越复杂。这些相互影响会限制软件的重用性和适应性，并使验证系统的逻辑正确性变得很困难。传统的软件开发方法已经难以从根本上解决由于系统复杂度的提高而带来的代码混乱和代码纠缠问题。面向方面的程序设计（AOP，Aspect-Oriented Programming）正是针对这种实际情况被提出的，并已成为继面向对象技术之后新的软件开发的研究方向。本文在对面向方面技术进行了深入分析的基础上，对面向方面技术的各个方面进行了系统的研究。比较了不同的软件开发模型对于系统耦合度的影响。针对AOP的织入过程，结合进程代数模型研究了其有效性和等价性。提出并实现了一种基于组件的面向方面的编程框架。耦合度是衡量一个软件系统可维护性、可重用性和可扩展性的标准。面向方面的系统是面向对象系统的扩展，在对面向对象系统耦合度评估方法研究的基础上，本文提出了一种AOS系统耦合度的评估方法并比较了不同软件开发模型下的系统的耦合度。首先对AOS系统进行了形式化的描述，定义了aspect和class之间不同种类的依赖关系，然后提出了耦合度评估框架，给出了AOS系统耦合度评估方法，并讨论了耦合度评估方法的数学特性，着重研究的是aspect和class之间的依赖关系对AOS系统耦合度的影响。最后针对不同的软件系统模型，比较其耦合度关系，指出AOP技术在降低系统耦合度方面的有效性和正确性。针对目前关于AOP的形式化验证研究的不足，本文在AOP织入过程的等价性和有效性问题上做了形式化的研究。对进程代数模型PAL（Process ALgebraic）作了AOP方面的扩充，抽象出面向方面编程元素和进程的数学描述，利用进程代数理论中较为成熟的标记和丰富的文法来研究aspect在程序等价和织入算法正确性上的问题，从软件科学的角度验证了AOP织入过程的有效性和等价性。在现有的AOP实现技术中，一般通过创建aspect库或者创建专用aspect语言来完成面向方面的编程。本文提出并实现了一种基于组件的面向方面的编程框架AOPF（Aspect-Oriented Programming Framework），该框架既保留了语言本身的特性又提供了对aspect库的支持。框架定义了C++在AOP方面的语言扩展ADL（aspect definition language），用于描述并实现AOP的编程元素，包括切入点（pointcut）、连接点（join point）和通知（advice），通过划分方面（aspect）来提取横切关注点（crosscutting concerns），并由编织器（weaver）将横切关注点织入到软件系统当中，从而实现横切关注点的模块化。AOPF提供两个层次上的AOP编程：自定义层和可配置层。在自定义层中，由编程人员自行定义AOP元素添加到代码中，增强框架的可适应性;在可配置层中，编程人员可以通过配置文件使用预先实现了的通用aspect组件，这些aspect组件将会被编织到代码中完成相应的功能，以期更好的实现代码模块化和重用性。本文所做出的新贡献如下： 1．在研究OOP系统耦合度度量的基础上，针对aspect特性，提出一种AOS系统耦合度的评估方法，为证明AOP技术的有效性提供了依据。 2．扩展了进程代数模型PAL，对AOP织入过程进行了形式化描述和验证，丰富了AOP理论证明方面的研究。 3．提出了面向方面的程序设计框架AOPF，该框架不仅保留了语言本身的各种特性又提供了语言级别的对aspect的支持，并能把特定领域的aspect扩展作为通用组件加入。其优点在于C++源代码无须做出任何改动即可增加横切关注点功能，具有很强的适用性。 4．在Linux操作系统上实现了AOPF框架，验证了所提出框架的可行性和有效性。

关键词：面向方面编程框架形式化模型PAL 系统耦合度

来源：评论

学校读者我要写书评

暂无评论

面向分布式应用的在网计算研究

面向分布式应用的在网计算研究

引用

作者：杨帆中国科学院大学

学位级别：博士

随着用户数量和需求的持续增加，当前分布式应用面临着巨大的性能挑战。现有研究表明，网络通信已经成为制约分布式应用性能提升的瓶颈。在网计算(In-Network Computing)为解决该问题提供了新的方法，其有助于消减网络流量并提升数据包... 详细信息

随着用户数量和需求的持续增加，当前分布式应用面临着巨大的性能挑战。现有研究表明，网络通信已经成为制约分布式应用性能提升的瓶颈。在网计算(In-Network Computing)为解决该问题提供了新的方法，其有助于消减网络流量并提升数据包的处理效率，从而提高分布式应用的性能。目前已经有研究对在网计算领域进行了初步探索，但随着应用需求的迅速迭代更新，在网计算仍面临着以下三个方面的问题亟待解决:首先，当前尚缺少针对在网计算系统的性能模型，用户难以评估在网计算能够提供的最大性能收益;其次，现有在网计算的硬件架构难以兼顾应用对灵活性和高性能的需求;再者，目前在网计算的编程抽象仅局限于网络功能处理，不足以完全支撑对复杂应用逻辑的表达。　　针对上述问题，本文从在网计算性能评估模型、在网计算硬件架构、在网计算编程框架三个方面开展了深入研究，为在网计算技术的发展提供了新的思路。本文的主要研究内容与创新点归纳如下:　　1.提出了一种新型在网计算通信模型LogGPR。该模型首次引入了网络数据归约率的概念，扩展了传统通信模型LogGP的适用范围，从而更准确地评估在网计算对分布式应用通信性能的影响。在所提模型的基础上，本文对当前影响在网聚合系统性能的因素进行了详细分析，并给出了利用网络拓扑多路径构建聚合树和调整发送数据包顺序的优化方案。实验结果表明:本文所提模型能够将传统通信模型的评估误差从65％缩小至5％;所提的两种优化方案分别能够获得63％和99％的数据归约率提升。　　2.提出了一种新型粗粒度可重构在网计算架构INCFlow(In-Network Computing Flow)。INCFlow是一种解耦合的、可重构的架构，该架构将网络协议和应用计算逻辑的处理过程解耦合，并将其分别映射到不同的处理单元上，使得两者都能够得到最高效的处理;同时，本文抽取了多种分布式应用的计算特征，为这些应用共有的计算特征设计了专用计算单元。其中，共有计算特征保证了在网计算架构对应用具有普适性，专用计算单元保证了应用在该架构上能够高效执行。实验结果表明，本文所提架构能够对多种计算任务进行线速处理，单个数据包的处理延迟最大缩减71％;使用该架构搭建的在网聚合系统能够将任务完成时间缩减51％;同时，所提架构的硬件资源消耗在可接受范围内。　　3.提出了一种新型在网计算编程框架Kaleido。Kaleido是针对INCFlow架构所设计的编程框架，其设计目标是为用户提供更便捷的在网计算编程抽象。Kaleido实现了对通用计算的描述，并能够深度挖掘计算单元之间和计算单元内部的并行性，利用自动调优算法将计算任务映射到最合适的计算部件上;同时，利用任务级并行增加了单个计算任务的吞吐量。实验结果表明:与硬件直接编码相比，Kaleido生成的计算单元增加的延迟开销最大不超过10％;与当前高层次综合工具相比，自动调优算法映射的计算单元能够获得更低的处理延迟;同时，对任务级并行度的分析保证了所生成的计算单元能够实现数据包的线速处理。

关键词：在网计算网络数据硬件架构编程框架

来源：评论

学校读者我要写书评

暂无评论

基于图像边缘形态的激光打印机自动分类系统

引用

现代电子技术 2020年第7期43卷 48-51,56页

作者：李志荣中国刑事警察学院文件检验技术系辽宁沈阳110035

为解决分类爬虫对激光图像数据爬取能力有限的问题,设计基于图像边缘形态的激光打印机自动分类系统。利用分布式自动图像编程框架,规范划分打印机激光电源电路、图像打印分类模块的作用范围,完成自动分类系统的硬件运行环境搭建。在此... 详细信息

为解决分类爬虫对激光图像数据爬取能力有限的问题,设计基于图像边缘形态的激光打印机自动分类系统。利用分布式自动图像编程框架,规范划分打印机激光电源电路、图像打印分类模块的作用范围,完成自动分类系统的硬件运行环境搭建。在此基础上,以激光打印图像边缘二值形态作为约束标准,处理打印机自动分类程序的中断请求,并对边缘图像节点进行通信连接,完成自动分类系统的软件运行环境搭建,两项结合,实现基于图像边缘形态激光打印机自动分类系统的顺利应用。模拟运行环境,设计对比实验结果表明,与普通打印机分类系统相比,应用新型自动分类系统后,分类爬虫对激光图像数据的覆盖面积超过80%,最短分类响应时间缩短至1.8 ms,基础爬取能力得到有效提升。

关键词：边缘形态激光打印机自动分类编程框架电源电路二值形态程序中断通信连接

来源：评论

学校读者我要写书评

暂无评论

基于事物内存的分布式编程环境中缓存一致性维护机制

引用

微电子学与计算机 2013年第3期30卷 59-62页

作者：余林琛廖小飞中国地质大学(武汉)计算机学院湖北武汉430074 华中科技大学计算机学院湖北武汉430074

本文提出了基于事务内存的分布式编程框架,能够有效地减少由事务内存带来的网络带宽消耗,并且降低事务内存中事务操作的通信延迟.其中,重点设计实现了一个新的事物内存缓存数据一致性维护机制.测试结果表明,使用该新型基于事物内存的分... 详细信息

本文提出了基于事务内存的分布式编程框架,能够有效地减少由事务内存带来的网络带宽消耗,并且降低事务内存中事务操作的通信延迟.其中,重点设计实现了一个新的事物内存缓存数据一致性维护机制.测试结果表明,使用该新型基于事物内存的分布式编程框架实现的分布式计算任务具有简单的设计模型和较高的效率,有效的减少了系统网络带宽需求,在小规模集群中相对于现有的分布式事务内存系统有30%的性能提升.

关键词：分布式编程框架事物内存缓存一致性

来源：评论

学校读者我要写书评

暂无评论

基于字节码的软件监控及可信演化框架设计与实现

基于字节码的软件监控及可信演化框架设计与实现

引用

作者：李振东国防科学技术大学

学位级别：硕士

随着因特网的迅速发展,以及软件规模和复杂度的不断增加,软件故障和软件失效问题日益严峻,给人们生活甚至国家安全带来极大的影响。因此,如何构造可信的软件系统以确保其在动态、开放的网络环境中安全可靠地运行,受到人们的普遍关注。... 详细信息

随着因特网的迅速发展,以及软件规模和复杂度的不断增加,软件故障和软件失效问题日益严峻,给人们生活甚至国家安全带来极大的影响。因此,如何构造可信的软件系统以确保其在动态、开放的网络环境中安全可靠地运行,受到人们的普遍关注。可信软件的本质特征在于软件的行为与使用者的期望保持一致。对软件实施有效的监控以获得软件的运行时状态信息,并对监控信息进行实时检查与分析,通过动态演化技术对软件系统进行针对性的干预与调整,可以有效的提高软件系统的可信程度。但是目前监控及演化技术尚处于发展期,在技术和实践方面还存在很多局限性,突出表现在监控需求描述手段不够灵活、监控信息检查逻辑与目标系统业务逻辑互相纠缠、缺乏针对无源码系统的轻量化监控信息获取机制以及支持监控与演化处理的平台及工具的通用性不够、自动化程度不高等问题。针对上述问题,本文提出了基于字节码的软件监控及可信演化模型。模型通过基于字节码的AOP技术,将监控需求作为横切关注点自动化注入到目标软件系统的业务逻辑字节码文件中,在系统运行时收集软件运行状态和运行环境等监控信息,并进行实时检查与分析;将分析结果与预定义演化规则相匹配,规则触发时通过类加载器及反射机制提供软件动态演化能力,对软件系统实时干预。本文的主要研究工作可概述为如下几个方面: 1.提出了基于字节码的软件监控及可信演化模型BSMEF。该模型由业务逻辑及监控需求描述模块、监控能力注入模块和演化处理模块三部分组成。模块之间松散耦合,功能相互独立,并且与具体应用无关,具有一定的通用性和可扩展性,属于平台无关的轻量级可扩展框架模型;2.基于BSMEF模型,本文设计并实现了基于字节码的软件监控及可信演化框架。框架支持开发者在独立文件中进行监控需求描述,实现了面向字节码的监控能力自动化注入机制以及基于监控信息的软件运行时演化能力;3.以分布式文件传输系统负载均衡器的监控能力注入及在线演化为实例,对BSMEF框架进行了验证,实现结果证明了BSMEF框架针对无源码软件系统进行监控能力自动化注入及在线演化能力构造的可用性和正确性。同时通过定量分析比较,验证了基于字节码的监控能力注入方式比基于源代码的注入方式在效率上有所提升。

关键词：可信计算软件监控动态演化反射机制编程框架

来源：评论

学校读者我要写书评

暂无评论

深度脉冲神经网络框架设计与实现

深度脉冲神经网络框架设计与实现

引用

作者：任世雨电子科技大学

学位级别：硕士

深度学习成功借鉴大脑在宏观尺度的层次化信息处理结构,在智能应用领域取得了重大突破。但是,深度学习通常需要较多的计算资源和功耗,难以在资源受限的场景中大量部署。受生物脑启发的脉冲神经网络模拟了生物神经元在微观尺度的信息编... 详细信息

深度学习成功借鉴大脑在宏观尺度的层次化信息处理结构,在智能应用领域取得了重大突破。但是,深度学习通常需要较多的计算资源和功耗,难以在资源受限的场景中大量部署。受生物脑启发的脉冲神经网络模拟了生物神经元在微观尺度的信息编码和运行机制,具有超低功耗、超低延迟运行的潜能。因此,结合深度学习和脉冲神经网络的优势,研究深度脉冲神经网络模型,有望实现高智能、低功耗、低延迟的类脑智能新范式。但是目前深度脉冲神经网络的应用相比深度学习模型来说还不够广泛,一方面是因为其离散的脉冲发放机制使得对网络的训练变得十分困难,另一方面是其较为复杂的模型运算机制提高了编程实践的难度。现有框架大多关注于对脉冲神经元特性的模拟,而缺乏对各种深度脉冲神经网络模型的构建与训练工具。为了解决上述问题,本文设计并实现了基于深度脉冲神经网络的编程框架。同时,在编程框架中融入了新提出的基于时间编码的深度脉冲神经网络学习算法。具体研究内容包括:(1)本文设计实现了针对于深度脉冲神经网络的编程框架,降低了深度脉冲神经网络的编程复杂度。框架基于Pytorch框架进行编写,包含了搭建深度脉冲神经网络应用所需要的数据集模块、编码模块、突触模块、神经元模块与训练算法模块。这五个模块充分支持了深度脉冲神经网络常用的神经元计算模型及其对应的编码方式与训练算法,可以帮助领域内各个方向研究者较为简单的实现从脉冲输入信息处理到模型搭建再到模型训练整个过程。(2)本文提出了一种基于时间编码的深度脉冲神经网络转换学习算法,并将其集成进框架中,使得框架对深度脉冲神经网络的训练更加完备。首先提出了解决了时间动态特性问题的同步脉冲神经网络模型,并在该模型基础上推导出了与之对应的代理人工神经网络模型。由于这两者具有高度等价性以保证了转换而来的脉冲神经网络模型在单个脉冲发放的情况下仍然具有较低的转换损失。经实验结果证明,该算法在保证了网络稀疏性的同时取得了较好的性能。(3)本文对框架分别在两种模式识别任务上进行了验证。通过使用框架中各个模块进行了数据集的加载与处理,网络模型的搭建及训练,展示了框架在搭建深度脉冲神经网络应用过程的编程简洁性及训练所得模型的高性能。

关键词：深度脉冲神经网络编程框架时间编码学习算法

来源：评论

学校读者我要写书评

暂无评论

支持时间语义的PSEFM-Cassandra的设计与实现

支持时间语义的PSEFM-Cassandra的设计与实现

引用

作者：罗海钊中国科学技术大学

学位级别：硕士

安全关键系统是指系统的失效会造成严重的后果的系统,此类系统在日常生活中随处可见,如配电系统、灾难应对调度系统、人工心肺机和航空交通管制系统等。时序行为作为安全关键系统的重要特征,对系统的可预测性十分必要。研究者提出多种... 详细信息

安全关键系统是指系统的失效会造成严重的后果的系统,此类系统在日常生活中随处可见,如配电系统、灾难应对调度系统、人工心肺机和航空交通管制系统等。时序行为作为安全关键系统的重要特征,对系统的可预测性十分必要。研究者提出多种确保时序可预测性的方法,但是由于计算机的体系结构缺失时间语义,会造成与时间语义相关的编程模型和系统往往只能用周期性的时钟中断来获取时间信息和时间属性。此类方法一方面难以得到较高的时间精度,另一方面频繁的中断会造成程序在执行时产生抖动和不可预测性。安全关键系统的任务可分为输入、计算和输出三个部分,本文对他们的可预测性的定义进行了研究,然后采用扩展指令集的方式,设计并实现了一个支持时间语义的协处理器和编程框架,使带有时间约束的输入、计算和输出达到了时钟周期精确。本文的主要工作包括:1.对复杂环境下安全关键系统的可预测性进行了定义和量化,然后对此类系统任务时间约束的语义进行了分析;2.提出了支持时序语义的TTI指令集以解决传统的计算机体系结构缺乏时间属性的问题,该指令集由时间信息管理、时间触发事件管理和时间触发I/O三类指令构成,能够显式地描述输入、计算和输出的时序行为和时间约束;3.基于Nios Ⅱ软核实现了一个支持TTI指令集的协处理器,并命名为Cas-sandra。该协处理器由控制单元、时间管理模块、事件管理模块和 I/O 管理模块构成,实验结果表明,Cassandra能够高效地表达TTI指令集的语义。4.设计了基于时间可预测体系结构的服务体/执行流的编程框架PSEFM-Cassandra。PSEFM-Cassandra能够简化编程复杂度,使用协处理器中时间触发机制来实现任务的输入、计算和输出行为,最后,介绍了 PSEFM-Cassandra的任务的实现。5.对PSEFM-Cassandra进行性能评估,评估结果表明扩展时间语义指令集的体系结构能在时钟周期的量级上处理完任务的输入、输出以及任务的激活,其时序行为的可预测性明显优于执行和抖动的时长为上百个时钟周期的传统体系结构。

关键词：安全关键系统可预测性体系结构时间指令集时钟周期精确编程框架

来源：评论

学校读者我要写书评

暂无评论

CPU-GPU异构体系任务调度框架的研究

CPU-GPU异构体系任务调度框架的研究

引用

作者：赵可昭南开大学

学位级别：硕士

近年来随着互联网的迅猛发展，信息技术和信息数据开始深入地影响人的生活，创造了庞大的价值，标志着我们进入了“大数据时代”。　　处理“大数据”必然地对高性能产生了需求，在过去的十年中，GPU已经成为科学计算中的重要配件，尤... 详细信息

近年来随着互联网的迅猛发展，信息技术和信息数据开始深入地影响人的生活，创造了庞大的价值，标志着我们进入了“大数据时代”。　　处理“大数据”必然地对高性能产生了需求，在过去的十年中，GPU已经成为科学计算中的重要配件，尤其是在高性能计算领域，使用多个GPU作为加速器来组建异构计算平台已经越来越普遍。GPU作为多核处理器的一种，与其他的SIMD多核处理器有着明显不同的特征。GPU的处理单元由大量的核心构成，虽然每个核心的主频要比CPU的单个核心低得多，但是由于快速切换大量线程以掩盖访存延时的特征，GPU的峰值浮点运算吞吐量比多核的CPU要高的多。对于拥有多核CPU和多个GPU的异构计算平台，存储和计算资源都更加丰富，但同时管理方式也趋于复杂。如何高效而充分的利用资源，是探索异构计算平台的核心问题。　　本文提出了一种面向多GPU异构体系的实时计算框架DORFoG，他的主要特征是把数据看作主要的调度对象，设计一种面向数据的DAG模型来描述应用问题，并相应的实现一个面向数据的调度器。异构体系上的各存储单元被组合成一个层次化存储结构，其中page-locked memory和global memory上构建的软cache在优化性能中扮演了重要的角色。整个运行时系统在控制层面使用了CPU的多线程技术，实现较为复杂，因此将主要的接口封装了起来，形成一个编程框架。本文在Intel CPU和NVIDIA GPU组成的异构平台上以多种方式测试了DORFoG的性能，结果证明了面向数据思想和相应运行时系统搭建的有效性。

关键词：任务调度异构体系多核处理器编程框架

来源：评论

学校读者我要写书评

暂无评论

面向分布式图计算的延迟数据一致性方法研究

面向分布式图计算的延迟数据一致性方法研究

引用

作者：庄良吉中国科学院大学

学位级别：硕士

如何高效地处理大规模的图网络越来越广泛地引起科研和产业界的兴趣。一个顶点的副本点在现存的分布式图计算编程框架中扮演着重要的角色。它使得单个顶点同时在多台机器上并行地计算，同时使得在本地就可以访问远程的邻居顶点，而不用... 详细信息

如何高效地处理大规模的图网络越来越广泛地引起科研和产业界的兴趣。一个顶点的副本点在现存的分布式图计算编程框架中扮演着重要的角色。它使得单个顶点同时在多台机器上并行地计算，同时使得在本地就可以访问远程的邻居顶点，而不用通过远程操作。然而，副本点的存在也引发了许多问题。现存的分布式图计算编程框架都将同一个顶点的所有副本点当作是一个原子的且不可分割的顶点，并且使用急切数据一致性(eager data coherency)的方式来保证副本点数据的一致性。在这种方式下，任何一个副本点发生变化，都需要立即将变化信息发送给其它的副本点，因此，导致了频繁的全局数据同步和通信问题。\n 在本文中，我们提出了一种延迟数据一致性(lazy data coherency)的方法，称为LazyAsync。在LazyAsync的执行模式下，一个顶点的不同副本点被视为相互独立的顶点，并且可以迭代更新自己的数据，最后通过计算来达到数据一致性。首先，我们可以根据输入图和算法特征自动地选择数据一致性点。不同副本点在相邻两个数据一致性点之间可以维护不同的本地视图，仅在数据一致性点的时候保证一致的全局视图。随后，基于PowerGraph，我们开发了一个分布式图计算编程框架LazyGraph。LazyGraph实现了LazyAsync方法，并且探索了graph-aware的优化方案。最后，在48个虚拟机的EC2的集群环境下，LazyGraph相比于PowerGraph在4种不同的图算法和不同种类的真实图上，获得了1.25倍到10.69倍的加速比。

关键词：分布式图计算编程框架延迟数据一致性执行模式

来源：评论

学校读者我要写书评

暂无评论

基于多核DSP的深度学习算法硬件加速技术研究

基于多核DSP的深度学习算法硬件加速技术研究

引用

作者：纪昆国防科学技术大学

学位级别：硕士

DSP是一种低功耗专用处理器,同时也是区别于通用微处理器进行复杂算法加速的新型硬件平台,基于DSP平台的深度学习算法优化技术对具有小型化、低功耗特点的一体化智能设备的发展具有重要的推动作用。本文基于高性能多核DSP平台,研究深度... 详细信息

DSP是一种低功耗专用处理器,同时也是区别于通用微处理器进行复杂算法加速的新型硬件平台,基于DSP平台的深度学习算法优化技术对具有小型化、低功耗特点的一体化智能设备的发展具有重要的推动作用。本文基于高性能多核DSP平台,研究深度学习算法的体系结构适配和并行优化技术,以实现其在多核DSP上的硬件加速。首先,本文研究了基于多核DSP的高性能并行处理系统的体系结构技术,提出了具有三级并行结构的低功耗DSP系统结构,设计了基于DMA的存算并行机制并实现了相应的系统函数。其次,针对深度信念网络,本文研究了在多级并行DSP结构下的算法并行技术,提出了基于大矩阵运算和多核并行机制的DBN并行算法,并给出了具体实现。实验结果表明,DSP上进行DBN预训练过程的吞吐量为989.22幅/s,性能功耗比是主流通用微处理器平台的6.00倍。紧接着,针对卷积神经网络,本文探讨了卷积操作分别使用FFT转化和矩阵乘法转化在DSP上的实现方案,提出了基于卷积矩阵展开的多核DSP并行加速算法。实验结果表明,粗粒度并行、逐通道计算的卷积计算方法的性能最高。最后,针对典型的深度学习编程框架Caffe,本文研究了面向DSP系统的深度学习编程框架DSP for Caffe,设计并实现了支持Caffe主要操作的DSP函数,并针对图像识别领域的Cifar-10、AlexNet和VGG-s三种最主要的大型卷积神经网络并行应用进行了功能验证。实验结果表明,基于该框架的Cifar-10、AlexNet、VGG-s三种并行算法的吞吐率分别达到404.86幅/s、6.35幅/s和2.37幅/s,性能功耗比是主流通用微处理器平台的4.77倍、2.60倍和1.97倍。该框架能支持主要的Caffe表达到DSP实现的自动映射,扩展了DSP在深度学习领域的适用性。

关键词： DSP 深度学习硬件加速功耗比编程框架

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：