一种深度学习并行计算架构方法及其超参数自动配置优化

摘要

本发明是一种深度学习并行计算架构方法及其超参数自动配置优化，具体涉及深度学习领域。首先使用CNN来捕获各个地点的空间特征，然后在此基础上使用SRU来捕获时空数据的时序特征，用于时空数据的回归预测及其超参数自动配置优化；本发明的有益效果在于：1.基于SRU实现对时空数据的回归预测，从而实现模型在一定程度上的并行加速，减少训练和推理耗费的时间；2.基于并行遗传算法实现对上述模型超参数的自动化配置，从而减少超参数配置所耗费的人力、精力和时间，并使超参数更加合理，使模型的预测性能更好。