В. И. Горбаченко, Н. О. Матвеева, Е. И. Гурин
РАСПАРАЛЛЕЛИВАНИЕ НЕЙРОСЕТЕВОГО АЛГОРИТМА
РЕШЕНИЯ КРАЕВЫХ ЗАДАЧ МАТЕМАТИЧЕСКОЙ ФИЗИКИ
НА МНОГОЯДЕРНЫХ ПРОЦЕССОРАХ NVIDIA
Аннотация. <...> Рассматривается возможность эффективной реализации нейросетевого алгоритма решения краевых задач математической физики на многоядерном графическом процессоре NVIDIA GeForce 8800 GTX. <...> Предлагаются
методы распараллеливания основных вычислений алгоритма обучения радиально-базисной нейронной сети (RBFNN), решающей уравнение Пуассона,
с использованием технологии CUDA. <...> Проводится сравнение времени обучения
RBFNN на центральном и массивно-параллельном графическом процессорах. <...> Ключевые слова: массивно-параллельная архитектура, графический процессор,
параллельность, CUDA, радиально-базисная нейронная сеть, дифференциальное уравнение. <...> The article describes the possibility of effective realization of the algorithm for solving boundary value problems of mathematical physics on multicore
Graphics Processing Unit (GPU) NVIDIA GeForce 8800 GTX. <...> The proceeding compares execution time using CPU versus GPU. <...> Одной из важных проблем, возникающих при решении задач математической
физики, является большие вычислительные затраты, а следовательно, длительное время вычислений. <...> Вычислительные мощности современных суперкомпьютеров на данный момент доступны далеко не всем, но созданные относительно недавно и
активно развивающиеся многопроцессорные системы, первоначально появившиеся как видеокарты новой архитектуры, предоставляют реальную
возможность ускорения вычислений путем их распараллеливания. <...> Графическим процессорам первоначально был свойственен
параллелизм, поэтому неудивительно, что видеокарты стали многопроцессорными. <...> Еще до появления графических процессоров (GPU) нового поколения были предприняты попытки использовать вычислительные ресурсы видеокарты для решения задач общего назначения, а после выхода удобной
технологии программирования новых GPU nVidia CUDA (Compute Unified
Device Architecture) [1] они стали использоваться для решения самых разных
задач, требующих больших <...>