计算机应用研究

作者：毛伊敏,张瑞朋,曹文梁,

单位：1.江西理工大学信息工程学院,江西赣州341000；2.东莞职业技术学院计算机工程系,广东东莞523808；

关键词：DCNN算法,MapReduce框架,CGMSE,PFM策略,LBRLA策略,

基金：国家重点研发计划资助项目(2018YFC1504705)；国家自然科学基金资助项目(41562019)；广东省普通高校特色创新(自然科学)项目(2019GKTSCX142,2017GKTSCX101)；；

针对并行DCNN算法在大数据环境下网络冗余参数过多、收敛速度慢和并行效率低的问题，提出了一种并行化深度卷积神经网络优化算法——PDCNNO（parallel deep convolutional neural networks optimization algorithm）。首先，该算法设计了基于特征图的剪枝策略（PFM），预训练网络，获得压缩后的网络，有效减少了冗余参数，降低了DCNN训练时间和空间复杂度；其次，设计了修正正割线的共轭梯度法（CGMSE），获取局部分类结果，实现了共轭梯度法的快速收敛，提高了网络的收敛速度；最后，在reduce阶段提出了控制负载率的负载均衡策略（LBRLA），获取全局分类结果，实现了数据的快速均匀分组，从而提高了并行系统的加速比。实验表明，该算法不仅降低了DCNN在大数据环境下训练的时间和空间复杂度，而且提高了并行系统的并行化性能。

来源：2021年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第5期