Název:
Hluboké neuronové sítě pro prostředí superpočítače
Překlad názvu:
Deep neural network for supercomputer environments
Autoři:
Bronda, Samuel ; Kolařík, Martin (oponent) ; Burget, Radim (vedoucí práce) Typ dokumentu: Diplomové práce
Rok:
2019
Jazyk:
slo
Nakladatel: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstrakt: [slo][eng]
Hlavným prínosom práce je optimalizácia hardvérovej konfigurácie pre výpočet neurónových sieti. Teoretická časť popisuje neurónové siete, frameworky hlbokého učenia a hardvérové možnosti. Ďalšia časť práce sa venuje implementácií výkonnostných testov, ktoré zahŕňajú aplikovanie modelov Inception V3 a ResNet. Modely siete sú aplikované na rôzne grafické karty a výpočetný hardvér. Výstupom diplomovej práce je implementovaný model siete Inception V3, ktorý skúma grafické karty a ich výkon, časovú náročnosť výpočtov a ich efektivitu. Model siete ResNet je aplikovaný do časti, ktorý skúma ostatné vplyvy na výpočet neurónových sieti ako použitý disk, operačná pamäť a pod. Každá praktická časť obsahuje diskusiu, kde sú vysvetlené poznatky k danej časti. V prípade merania spotreby bol identifikovaný nesúlad medzi deklaráciou výrobcom a nameranými hodnotami.
The main benefit of the work is the optimization of the hardware configuration for the calculation of neural networks. The theoretical part describes neural networks, deep learning frameworks and hardware options. The next part of the thesis deals with implementation of performance tests, which include application of Inception V3 and ResNet models. Network models are applied to various graphics cards and computing hardware. The output of the thesis is the implemented model of the network Inception V3, which examines the graphics cards and their performance, time-consuming calculations and their efficiency. The ResNet model is applied to a section that examines other impacts on neural network computing such as used disk, operating memory, and so on. Each practical part contains a discussion where the knowledge of the given part is explained. In the case of consumption measurement, a mismatch between the declaration by the manufacturer and the measured values was identified.
Klíčová slova:
graphics cards; hardware; Inception V3; neural networks; NVIDIA; ResNet
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/177582