Derin öğrenmenin Caffe kullanılarak grafik işleme kartlarında değerlendirilmesi
Küçük Resim Yok
Tarih
2018
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Yapay Sinir Ağları (YSA’lar) bilgisayar görmesinden konuşma tanımaya kadar birçok uygulamadakullanılmaktadır. YSA’lar, geleneksel hesaplama yöntemlerinden daha üstün sonuçlar vermektedir. Ancakveri sayısının büyük olduğu uygulamalarda, çok fazla hesaplama gerektirmektedir. Bu nedenle verileriparalel işleyerek sistemlere hız kazandıran Grafik İşleme Birimlerinin kısaca GPU’ların (GraphicsProcessing Units) kullanımını zorunlu hale gelmiştir. Son yıllarda, YSA’ların bir çeşidi olan derin öğrenmealgoritmaları GPU’lar sayesinde, gerçek hayattaki birçok uygulamada başarılı olarak uygulanmış ve GPUiçeren gömülü sistemlere talep artmıştır.Bu çalışmada, derin öğrenme yöntemlerinden birisi olan Derin Konvolüsyonel Sinir Ağları (DKSA’lar) vekatmanları kısaca tanıtılmış ve düşük maliyetli Nvidia Jetson TK1/TX1 gömülü sistemleri genel olarakincelenmiştir. Derin öğrenme algoritmalarını uygulamak için Kaliforniya Üniversitesi, Berkeley tarafındangeliştirilen Caffe programı kullanılmıştır. Son olarak paralel işleme gücüne sahip olan Nvidia JetsonTK1/TX1 kartları üzerinde MNIST verileri kullanılarak LeNet ağının eğitimi gerçekleştirilmiştir. Eğitim içinkartların hem Merkezi İşleme Birimleri kısaca CPU’ları (Central Processing Unit) hem de GPU’larıkullanılmıştır. Deneysel sonuçlar için, Nvidia Jetson TK1/TX1 kartlarına ek olarak Nvidia GTX550 veGTX960 ekran kartlarına sahip iki bilgisayar da kullanılmıştır. Sonuçlar, hız ve doğruluk açısındandeğerlendirilmiştir.
Açıklama
Anahtar Kelimeler
Bilgisayar Bilimleri, Yazılım Mühendisliği, Bilgisayar Bilimleri, Teori ve Metotlar, İstatistik ve Olasılık, Bilgisayar Bilimleri, Yapay Zeka
Kaynak
Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi
WoS Q Değeri
Scopus Q Değeri
Cilt
9
Sayı
1
