基于GPU的高性能稀疏卷积神经网络

目录

声明

第一章 绪论

1.1 研究背景

1.2 卷积神经网络

1.1.1 卷积神经网络概述

1.1.2 卷积神经网络模型

1.1.3 卷积神经网络的硬件核心

1.3 本文主要工作和贡献

1.4 本章小结

第二章 相关工作

2.1 权重删减

2.1.1 稀疏数据存储

2.1.2 能量感知删减

2.1.3 硬件感知删减

2.2 数据规则性

2.2.1 不同删减粒度下的精确度损失

2.2.2 不同删减粒度下的存储开销

2.3 GSL引导规则

2.3.1 性能评估分析

2.3.2 引导稀疏学习

2.4 常用卷积算法

2.4.1 降维算法

2.4.2 快速傅里叶变换算法

2.4.3 直接稀疏卷积

2.4.4 其他

2.5 本章小结

第三章 卷积层优化设计

3.1 整体概述

3.2 具体实现

3.3 本章小结

第四章 基于TILED实现的并行化

4.1 概述

4.2 无优化实现

4.3 TILED的并行策略

4.4 实验评估

4.4.1 总体性能

4.4.2 执行时间分析

4.5 本章小结

第五章 基于BLOCKED实现的并行化

5.1 概述

5.2 并行化策略

5.3 实验评估

5.3.1 总体性能

5.3.2 执行时间分析

5.4 本章小结

第六章 结束语

6.1 本文总结

6.2 研究展望

致谢

参考文献

作者在学期间取得的学术成果