基于 Hadoop-GPU 的 RBM 云计算实现

作者： 刘凯 [1] ; 张立民 [1] ; 吴莉强 [2]

摘要：针对受限波尔兹曼机处理大数据时存在的训练缓慢问题,在 Hadoop 云计算平台和 GPU 并行加速的基础上设计了基于 Hadoop-GPU 框架的的 RBM 加速计算实现方法。通过对 MapReduce 机制和 RBM 训练过程的分析,将 RBM 训练分割为采用 Map 端实现吉布斯采样,Reduce 端实现参数更新,并通过 GPU 实现运算并行加速的方法组合。最后通过 MNIST 手写数字识别集实验证明,在大规模数据下,Hadoop-GPU 平台对 RBM 的训练具有良好的可行性,加速比达到20以上,并且随着数据规模的增加,加速比呈现更为显著的增长。

关键字： 人工神经网络 受限玻尔兹曼机 云计算平台

---

上一篇：万有引力搜索算法的分析与改进
下一篇：一种基于链路状态感知的 Zigbee 多径路由算法