1. Електронний репозиторій Чернігівського Національного Технологічного Університету
  2. ПЕРІОДИЧНІ ВИДАННЯ НУ «Чернігівська політехніка»
  3. Технічні науки та технології: науковий журнал
  4. 2021
  5. Технічні науки та технології. – 2021. – №2 (24)
Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://ir.stu.cn.ua/123456789/24136
Повний запис метаданих
Поле DCЗначенняМова
dc.contributor.authorРусінов, В. В.-
dc.contributor.authorЧереватенко, О. В.-
dc.contributor.authorПустовіт, Л. М.-
dc.contributor.authorПустовіт, О. М.-
dc.date.accessioned2021-10-27T16:47:09Z-
dc.date.available2021-10-27T16:47:09Z-
dc.date.issued2021-
dc.identifier.urihttp://ir.stu.cn.ua/123456789/24136-
dc.descriptionРусінов, В. В. Метод прискорення виконання задач нейронних мереж на гетерогенних системах CPU-GPU / В. В. Русінов, О. В. Череватенко, Л. М. Пустовіт, О. М. Пустовіт // Технічні науки та технології. – 2021. – № 2(24). – С. 131-140.en_US
dc.description.abstractУ статті розглянуто питання використання гетерогенних систем CPU-GPU для прискорення вирішення задач, пов’язаних із навчанням нейронних мереж. Досліджено основні архітектурні відомості, застосовані в кінцевій архітектурі гетерогенної системи. Розроблено метод на основі лінійної регресії для розподілу задачі між процесором та відеоприскорювачем. На основі методу, проведені експериментальні дослідження на зазначених системах. На основі отриманих результатів був проведений аналіз на основі визначених коефіцієнтів прискорення.en_US
dc.language.isouken_US
dc.publisherЧернігів : НУ «Чернігівська політехніка»en_US
dc.relation.ispartofseriesТехнічні науки та технології;№2(24)-
dc.subjectгетерогенні системиen_US
dc.subjectнейронні мережіen_US
dc.subjectмашинне навчанняen_US
dc.subjectCPUen_US
dc.subjectGPUen_US
dc.subjectheterogeneous systemsen_US
dc.subjectneural networksen_US
dc.subjectmachine learningen_US
dc.titleМетод прискорення виконання задач нейронних мереж на гетерогенних системах CPU-GPUen_US
dc.title.alternativeMethod of acceleration of neural network tasks on heterogeneous CPU-GPU systemsen_US
dc.typeArticleen_US
dc.description.abstractalt1Research areas related to heterogeneous computing are currently underdeveloped. In machine learning, huge efforts are directed towards creating more efficient algorithms and getting more performance from GPUs. There is also a growing demand for the use of neural networks in many practical areas, since many large companies are developing intelligent systems that work directly with Big Data solutions. General purpose of GPU computing hands GPUs time-consuming tasks, however there is limited research on the capabilities of heterogeneous systems. Neural networks as a way to find solutions to practical problems are becoming more widespread every day. In this regard, there is a demand for high-performance computer systems. Articles dealing with heterogeneous systems provide promising results. Heterogeneous CPU-GPU systems, although not well understood, have been shown to speed up tasks associated with image processing and big data tasks. Most modern machine learning articles and libraries perform tasks on CPUs or GPUs, however, heterogeneous systems have not been sufficiently investigated for possibilities in machine learning tasks. The aim of the study is to develop an algorithm for scheduling a problem for a heterogeneous system and to carry out a comparative analysis of the results on the use of homogeneous systems. An algorithm for scheduling a problem for a heterogeneous system based on a linear regression model is described, the problem which is modeled is shown and a comparative analysis of the results of various heterogeneous systems is carried out. The results show that the heterogeneous approach is effective in neural network tasks. From the results we can conclude that the program takes advantage of new processors and GPU performance acceleration in the range of 1.11 to 4.39, as well as CPU performance acceleration in the range of 0.96 to 3.48 show that in most cases, CPU performance can be improved if the GPU is used at the same time.en_US
Розташовується у зібраннях:Технічні науки та технології. – 2021. – №2 (24)

Файли цього матеріалу:
Файл Опис РозмірФормат 
17 Русінов, Череватенко, Пустовіт, Пустовіт.pdfСтаття466,61 kBAdobe PDFПереглянути/Відкрити
Показати базовий опис матеріалу Перегляд статистики


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