深度神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)分層梯度稀疏化及梯度合并優(yōu)化方法

摘要： 針對(duì)數(shù)據(jù)并行方法加速大規(guī)模深度神經(jīng)網(wǎng)絡(luò)時(shí)易出現(xiàn)的通信開(kāi)銷(xiāo)大、訓(xùn)練耗時(shí)長(zhǎng)、資源利用率不高的問(wèn)題，提出了一種深度神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)分層梯度稀疏化及梯度合并優(yōu)化方法。首先，將梯度稀疏化壓縮與流水線(xiàn)并行技術(shù)相結(jié)合，提出動(dòng)態(tài)分層梯度稀疏優(yōu)化方法，為每層神經(jīng)網(wǎng)絡(luò)匹配一個(gè)合適的閾值，通過(guò)在后續(xù)迭代時(shí)動(dòng)態(tài)調(diào)整該閾值，實(shí)現(xiàn)對(duì)每層網(wǎng)絡(luò)傳輸梯度的自適應(yīng)壓縮。然后，提出了層梯度合并方法，利用動(dòng)態(tài)規(guī)劃算法對(duì)層... （共12頁(yè)）