Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

GPGPU Implementation of Variational Bayesian Gaussian Mixture Models Pelaksanaan GPGPU Model Campuran Gaussian Bayesian Variasi

Hiroki NISHIMOTO, Renyuan ZHANG, Yasuhiko NAKASHIMA

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Strategi pelaksanaan yang cekap untuk mempercepatkan algoritma pengelompokan berkualiti tinggi dibangunkan berdasarkan unit pemprosesan grafik tujuan am (GPGPU) dalam kerja ini. Di antara pelbagai algoritma pengelompokan, model campuran Gaussian (GMM) yang canggih dengan menganggar parameter melalui mekanisme Bayesian (VB) variasi dijalankan kerana prestasinya yang unggul. Memandangkan metodologi VB-GMM haus pengiraan, GPGPU digunakan untuk menjalankan pengiraan matriks besar-besaran. Untuk memindahkan skim berorientasikan CPU konvensional VB-GMM ke platform GPGPU dengan cekap, keseluruhan aliran migrasi dengan tiga belas peringkat dibentangkan secara terperinci. Skim kerjasama CPU-GPGPU, susunan semula pelaksanaan dan pengoptimuman akses memori dicadangkan untuk mengoptimumkan penggunaan GPGPU dan memaksimumkan kelajuan pengelompokan. Lima jenis aplikasi dunia sebenar bersama set data yang berkaitan diperkenalkan untuk pengesahan silang. Daripada keputusan percubaan, kemungkinan melaksanakan algoritma VB-GMM oleh GPGPU disahkan dengan faedah praktikal. Penghijrahan GPGPU yang dicadangkan mencapai kelajuan maksimum 192x ganda. Tambahan pula, ia berjaya mengenal pasti bilangan kluster yang betul, yang hampir tidak dijalankan oleh EM-algotihm.

Jawatankuasa
IEICE TRANSACTIONS on Information Vol.E105-D No.3 pp.611-622
Tarikh penerbitan
2022/03/01
Diumumkan
2021/11/24
ISSN dalam talian
1745-1361
DOI
10.1587/transinf.2021EDP7121
Jenis Manuskrip
PAPER
kategori
Asas Sistem Maklumat

Pengarang

Hiroki NISHIMOTO
  Nara Institute of Science and Technology
Renyuan ZHANG
  Nara Institute of Science and Technology
Yasuhiko NAKASHIMA
  Nara Institute of Science and Technology

Kata kunci

Contents [show]