DLPF：基于异构体系结构的并行深度学习编程框架

来源：计算机研究与发展杂志2016年第6期北京时间：

作者：王岳青,窦勇,吕启,李宝峰,李腾,

摘要：深度学习在机器学习领域扮演着十分重要的角色，已被广泛应用于各种领域，具有十分巨大的研究和应用前景.然而，深度学习也面临3方面的挑战：1)现有深度学习工具使用便捷性不高，尽管深度学习领域工具越来越多，然而大多使用过程过于繁杂，不便使用；2)深度学习模型灵活性不高，限制了深度学习模型发展的多样性；3)深度学习训练时间较长，超参数搜索空间大，从而导致超参数寻优比较困难.针对这些挑战，设计了一种基于深度学习的并行编程框架,该框架设计了统一的模块库，能可视化地进行深度学习模型构建，提高了编程便捷性；同时在异构平台对算法模块进行加速优化，较大程度减少训练时间，进而提高超参数寻优效率.实验结果表明，该编程框架可以灵活构建多种模型，并且对多种应用取得了较高的分类精度.通过超参数寻优实验，可以便捷地获得最优超参数组合，从而推断各种超参数与不同应用的联系.

关键词：深度学习, 编程框架, 可视化, 异构平台, 加速,