Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

High-performance Implementation of Recurrent Neural Networks on Graphics Processing Units

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F10%3A00177603" target="_blank" >RIV/68407700:21230/10:00177603 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    High-performance Implementation of Recurrent Neural Networks on Graphics Processing Units

  • Popis výsledku v původním jazyce

    The evolutionary algorithms work with large sets of individuals. In our case these individuals represent neural networks. The speed of evaluation of the networks is the very crucial factor because it affects the overall speed of the whole evolution process. In this paper we describe our implementation of the fully recurrent neural networks on the general-purpose graphics processing units. We are using the nVidia CUDA technology to accelerate the simulation of the population of the networks. We have created package for Wolfram Mathematica that provides interface to our accelerated simulator from high-level programming environment. Our library supports the client-server architecture, so you can run the simulations on dedicated CUDA-enabled computationalserver and process the results of the simulations on your desktop using the TCP/IP communication protocol. In this paper we present the results of the speedup experiments.

  • Název v anglickém jazyce

    High-performance Implementation of Recurrent Neural Networks on Graphics Processing Units

  • Popis výsledku anglicky

    The evolutionary algorithms work with large sets of individuals. In our case these individuals represent neural networks. The speed of evaluation of the networks is the very crucial factor because it affects the overall speed of the whole evolution process. In this paper we describe our implementation of the fully recurrent neural networks on the general-purpose graphics processing units. We are using the nVidia CUDA technology to accelerate the simulation of the population of the networks. We have created package for Wolfram Mathematica that provides interface to our accelerated simulator from high-level programming environment. Our library supports the client-server architecture, so you can run the simulations on dedicated CUDA-enabled computationalserver and process the results of the simulations on your desktop using the TCP/IP communication protocol. In this paper we present the results of the speedup experiments.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2010

  • 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

    Proceedings of the 7th EUROSIM Congress on Modelling and Simulation, Vol. 2: Full Papers

  • ISBN

    978-80-01-04589-3

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    4

  • Strana od-do

  • Název nakladatele

    Department of Computer Science and Engineering, FEE, CTU in Prague

  • Místo vydání

    Prague

  • Místo konání akce

    Praha

  • Datum konání akce

    6. 9. 2010

  • Typ akce podle státní příslušnosti

    EUR - Evropská akce

  • Kód UT WoS článku