Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://ds.knu.edu.ua/jspui/handle/123456789/4688
Назва: Апаратне прискорення навчання штучних нейронних мереж
Автори: Меценко, Р. В.
Купін, Андрій Іванович
Купин, Андрей Иванович
Kupin, Andrii
Ключові слова: апаратне прискорення
навчання штучних нейронних мереж
штучні нейронні мережі
Дата публікації: 2019
Видавництво: Криворізький Національний Університет
Бібліографічний опис: Маценко Р. В. Апаратне прискорення навчання штучних нейронних мереж / Р. В. Маценко, А. І. Купін // Комп'ютерні інтелектуальні системи та мережі : матеріали XІІ Всеукраїнської науково-практичної WEB конференції аспірантів, студентів та молодих вчених (20–22 березня 2019 р.). – Кривий Ріг : Криворізький Національний Університет, 2019. – С. 92–95. – Бібліогр.: с. 95.
Короткий огляд (реферат): Особливості глибокого навчання нейронних мереж та вплив апаратної частини на швидкість формування значень вагів. Глибоке навчання – це поле з інтенсивними обчислювальними вимогами, і вибір GPU принципово визначить ефективність навчання. При відсутності графічного прискорювача процес навчання виглядає як очікування завершення експерименту терміном до місяця, або проведення експерименту протягом дня чи більше, лише щоб виключити вибрані параметри. З потужним графічним процесором можна швидко перейти до глибоких навчальних мереж і запускати експерименти за дні замість місяців, годин замість днів, хвилин замість годин , тому головним є покупка графічного процесора. При наявності потужного графічного процесора – це дуже важливий аспект коли при проводженні розробки глибокого вивчення, оскільки це дозволяє швидко отримати практичний досвід, щоб застосовувати глибоке навчання для вирішення нових проблем. Без швидкого зворотного зв’язку навчання займає надто багато часу, щоб вчитися на своїх помилках, і це може сповільнити процес розробки.
URI (Уніфікований ідентифікатор ресурсу): http://ds.knu.edu.ua/jspui/handle/123456789/4688
Розташовується у зібраннях:Кафедра комп'ютерних систем та мереж
Тези



Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.