GPU-Accelerated Forward-Backward Algorithm with Application to Lattice-Free MMI
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F22%3APU144936" target="_blank" >RIV/00216305:26230/22:PU144936 - isvavai.cz</a>
Výsledek na webu
<a href="https://ieeexplore.ieee.org/document/9746824" target="_blank" >https://ieeexplore.ieee.org/document/9746824</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/ICASSP43922.2022.9746824" target="_blank" >10.1109/ICASSP43922.2022.9746824</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
GPU-Accelerated Forward-Backward Algorithm with Application to Lattice-Free MMI
Popis výsledku v původním jazyce
We propose to express the forward-backward algorithm in terms of operations between sparse matrices in a specific semiring. This new perspective naturally leads to a GPU-friendly algorithm which is easy to implement in Julia or any programming languages with native support of semiring algebra. We use this new implementation to train a TDNN with the LF-MMI objective function and we compare the training time of our system with PyChaina recently introduced C++/CUDA implementation of the LF-MMI loss. Our implementation is about two times faster while not having to use any approximation such as the "leaky-HMM".
Název v anglickém jazyce
GPU-Accelerated Forward-Backward Algorithm with Application to Lattice-Free MMI
Popis výsledku anglicky
We propose to express the forward-backward algorithm in terms of operations between sparse matrices in a specific semiring. This new perspective naturally leads to a GPU-friendly algorithm which is easy to implement in Julia or any programming languages with native support of semiring algebra. We use this new implementation to train a TDNN with the LF-MMI objective function and we compare the training time of our system with PyChaina recently introduced C++/CUDA implementation of the LF-MMI loss. Our implementation is about two times faster while not having to use any approximation such as the "leaky-HMM".
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2022
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings
ISBN
978-1-6654-0540-9
ISSN
—
e-ISSN
—
Počet stran výsledku
5
Strana od-do
8417-8421
Název nakladatele
IEEE Signal Processing Society
Místo vydání
Singapore
Místo konání akce
Singapore
Datum konání akce
22. 5. 2022
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000864187908145