Phân tích và cải tiến hiệu suất thuật toán tích chập ứng dụng trong mạng CNN trên nền tảng CUDA
Khoá luận tốt nghiệp · Đại học · năm 2024 · đề tài tham khảo
| Loại tài liệu | Khoá luận tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Công nghệ thông tin |
| Tác giả | Nguyễn Hoàng Anh |
| Người hướng dẫn | Đỗ Công Thuần |
| Cơ sở đào tạo | Đại học Bách khoa Hà Nội |
| Năm | 2024 |
| Nguồn | Thư viện số Đại học Bách khoa Hà Nội · trang gốc |
Tóm tắt
Trong bối cảnh phát triển mạnh mẽ của trí tuệ nhân tạo và Deep Learning, mạng nơ-ron tích chập (CNN) là thành phần cốt lõi cho việc xử lý dữ liệu đa phương tiện như hình ảnh, video và âm thanh. Đồ án này tập trung phân tích hiệu suất của các thuật toán tích chập cơ bản (Direct, GEMM, Winograd) trên nền tảng GPU sử dụng CUDA, đồng thời đề xuất các cải tiến nhằm tối ưu tốc độ huấn luyện và giảm tiêu thụ bộ nhớ. Trong quá trình triển khai trực tiếp trên GPU, kết hợp với các phương pháp cải tiến, nội dung đã chứng minh khả năng khắc phục hạn chế của GEMM và Winograd trong một số trường hợp nhất định, đồng thời nâng cao hiệu quả tính toán song song. Kết quả này cung cấp nền tảng vững chắc cho việc tối ưu hóa CNN và ứng dụng GPU trong các hệ thống Deep Learning thực tế.
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- Vietnames speaker recognition
- Nghiên cứu và phát triển công nghệ D2D cho hệ thống thông tin di động tại Việt Nam
- Xây dựng hệ thống quản lý đèn tín hiệu giao thông thông minh
- A Web-Based Application for Person Re-Identification Leveraging Cloud Computing and Deep Learning-Based Detection Model
- SimpleFlow: Ứng dụng tự động hóa luồng thu thập, xử lý, huấn luyện và tinh chỉnh siêu tham số mô hình học máy cho dữ liệu dạng bảng
- "Thực thi thuật toán Hector SLAM nhúng trên hệ điều hành ROS để thu thập dữ liệu bản đồ môi trường trong nhà"
- Phát triển hệ thống UAV bám theo vật thể di động theo thời gian thực.
- Nghiên cứu ứng dụng phần mềm Solidworks để thiết kế khuôn đúc áp lực tay phanh xe máy.
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.