声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：31-1289/TP
国际刊号：1000-3428
发布日期:
作者：舒嘉明, 安虹, 武铮, 陈俊仕
单位：中国科学技术大学 计算机科学与技术学院, 合肥 230000
关键词：神威·太湖之光,卷积神经网络,数据重用,软件流水,批量受限
基金：国家重点研发计划（2016YFB1000403）。
神威·太湖之光深度学习库中的并行卷积算法存在批量受限的问题，且传统gemm卷积算法在其硬件架构上效率较低。基于申威异构众核处理器，提出一种无批量限制的通用并行卷积算法。结合异步DMA访存操作和从核间的寄存器通信，使用数据重用和软件流水等方法降低从核访存开销，利用手动向量化的方法充分发挥从核浮点的计算能力。实验结果表明，与基础7层循环算法、gemm算法和Intel平台上的MKL-DNN算法相比，该算法的加速性能较好。
来源：2019年第12期
《计算机工程》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。