Paralelizace sítí typu Sum-Product-Transform pro architekturu GPU
Paralelization of Sum-Product-Transform type networks for the GPU architecture
Typ dokumentu
diplomová prácemaster thesis
Autor
Ondřej Poláček
Vedoucí práce
Oberhuber Tomáš
Oponent práce
Papež Milan
Studijní obor
Matematické inženýrstvíStudijní program
Aplikace přírodních vědInstituce přidělující hodnost
katedra matematikyPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Sítě typu Sum-Product-Transform jsou rozšířením sítí typu Sum-Product pomocí přidání transformačního uzlu. Toto rozšíření zvyšuje výpočetní náročnost všech operací se sítí. Tato práce popisuje implementaci sítí typu Sum-Product-Transform pro grafické procesory. Vysoce paralelní architektura GPU umožňuje dosáhnout většího výpočetního výkonu, než je výkon CPU. Je popsána implementace algoritmů v programovacím jazyce Julia pro inferenci, učení, generování náhodných vzorků a marginalizaci. Sum-Product-Transform type networks are an extension of Sum-Product type networks by an addition of a transformation node. This extension increases the computational complexity of all operations concerning the network. This work describes an implementation of Sum-Product-Transform type networks for graphics processing units. The massively parallel architecture of GPU allows achieving higher computing power than the power of CPU. Implementation of algorithms, written in the Julia programming language, for inference, learning, sampling and marginalization is described.
Kolekce
- Diplomové práce - 14101 [171]