Geri Dön

Optimization of convolutional neural networks via graphic cards for centralized data

Evrişimsel sinir ağların grafik kartları ile veri merkezi en iyilemesi

  1. Tez No: 574696
  2. Yazar: ERİNÇ CİBİL
  3. Danışmanlar: DR. ÖĞR. ÜYESİ İBRAHİM ZİNCİR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Yaşar Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 60

Özet

Bu tezde, MNIST veri setinde elde edilen dijitallestirilmiş el yazısı numaralar ve sonuçlarının, ayrıştırıcılığı yüksek özniteliklerinin bulunması için çoklu grafik işlem birimi (GİB) kullanan sistemler için optimize edilmiş yeni bir yaklaşım tasarımı hedeflenmiştir. Bu çalışmada evrişimsel sinir ağı (ESA) yöntemi ile dijitalleştirilmiş el yazısı sınıflandırma yöntemi üç bölümde ele alınmıştır. İlk bölümde naif evrişimsel sinir ağının grafik işlem birimine uygulanması ile sınıflandırma elde edilmiştir. İkinci aşamada grafik işlem birimleri için işlem katmanları paralelleştirilerek ve verinin paralel işlem katmanları için ayarlanıp eniyilenmiş bellek erişim şablonu yaklaşımla sınıflandırma hedeflenmiştir. Son aşamada ise yöntemin birden fazla grafik işlem birimi üzerinde çalışması için yöntemde geliştirmeler yapılmıştır. Bu aşamada amaç, kullanılan grafik işlem birimi sayısı ile ters orantılı olarak evrişimsel sinir ağının eğitim süresinde gelişim sağlamaktır.

Özet (Çeviri)

In this thesis, it is aimed to design a new approach optimized for systems that use multiple graphics processing units (GPU) in order to find highly discriminative attributes of digitized handwritten numbers obtained from MNIST dataset and their results. In this study, the convolutional neural network (CNN) method and digitized handwriting classification method are discussed in three sections. In the first part, the classification is obtained by implanting the naive convolutional neural network into the graphic processing unit. In the second stage, the process layers for graphic processing units are parallelized and the data is adjusted for parallel processing layers and the classification is aimed with optimized memory access pattern approach. In the last stage, the method has been improved to work on more than one graphic processing unit. The aim of this stage is to improve the education time of convolutional neural network inversely proportional to the number of graphic processing units used.

Benzer Tezler

  1. BGA malzemelerin x-ışını görüntülerindeki lehim hatalarının derin sinir ağı kullanarak tespiti

    Detection of BGA solder defects from x-ray images using deep neural network

    CEREN TÜRER AKDENİZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ZÜMRAY ÖLMEZ

  2. Türevlenebilir işleme ile kamera yeniden konumlandırma

    Camera relocalization via differentiable rendering

    MUHAMMED KERİM SOLMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİskenderun Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET SARIGÜL

  3. Ensemble pruning in deep learning via semi-infinite optimization

    Yarı sonsuz optimizasyon ile derin öğrenmede topluluk budama

    MELİSA ÇALIŞKAN DEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri MühendisliğiBahçeşehir Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. SÜREYYA AKYÜZ

  4. Cardiac arrhythmias classification based on spectrogram and convolutional neural networks

    Kalp aritmilerinin evrişimsel sinir ağları ve spektrogram tabanlı yöntemle sınıflandırılması

    SENA YAĞMUR ŞEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiYaşar Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NALAN ÖZKURT

  5. VGG16 temelli mimari ile görüntülerde gürültü tahmini

    Noise prediction in images with VGG16 based architecture

    AYBÜKE GÜNEŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTokat Gaziosmanpaşa Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YASEMİN ÇETİN KAYA