位置:成果数据库 > 期刊 > 期刊详情页
基于Julia云平台的交互式深度学习模式
  • ISSN号:1007-9432
  • 期刊名称:《太原理工大学学报》
  • 时间:0
  • 分类:TP312[自动化与计算机技术—计算机软件与理论;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]北京工业大学计算机科学与技术学院,北京100124, [2]中国科学院软件所并行软件与计算科学实验室,北京100190, [3]石家庄铁道大学信息科学与技术学院,石家庄050043
  • 相关基金:国家自然科学基金:项目资助“面向企业创新计算的高性能云服务平台”(61379048)
中文摘要:

为降低深度学习程序的开发难度,提出了一种基于Julia云平台的交互式深度学习模式.设计了一套深度学习原语,用Julia实现原语,为Julia程序员提供调用接口,构建交互分析系统;并提供GPU/CPU实现接口,由云端系统根据用户情形自动优选;最后实现了基于深度学习的图像交互分析案例,验证原语体系的完备性和Julia云平台的交互支持能力.实验结果表明,GPU的运行速度比CPU快近30倍.Julia程序员只需通过调用原语,设置相关参数,就可以使用并行化的算法.

英文摘要:

In order to simplify the program development based on deep learning model, an in-teractive deep learning model based on Julia Cloud Platform is introduced in this paper. The con-tent of our study includes. Design a deep learning primitive function: Implement primitive func-tion in Julia language, supply interface for Julia programmer and construct interactive analysissystem. Implement both GPU and CPU interfaces, which can be automatically seIected by theCloud Platform according to whichever situation the clients are in. Implement image interactive a-nalysis case based on deep learning and verify the completeness of primitive function and interac-tive support ability of Julia Cloud Platform. The experiment result shows that running speed ofGPU case is up to 30 times faster than that of CPU case. Julia programmer only needs to callprimitive function and set some parameters to use the parallel algorithm.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《太原理工大学学报》
  • 中国科技核心期刊
  • 主管单位:山西省教育厅
  • 主办单位:太原理工大学
  • 主编:黄庆学
  • 地址:太原市迎泽西大街79号
  • 邮编:030024
  • 邮箱:tyutxb@tyut.edu.cn
  • 电话:0351-6014376 6014556
  • 国际标准刊号:ISSN:1007-9432
  • 国内统一刊号:ISSN:14-1220/N
  • 邮发代号:22-27
  • 获奖情况:
  • 全国高校学报优秀期刊一等奖、二等奖,国家双效期刊奖,华北十佳期刊优秀奖,山西省一级期刊奖,中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 美国化学文摘(网络版),日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:9375