基于GPU的RBM并行加速方法

　　為針對(duì)受限玻爾茲曼機(jī)處理大數(shù)據(jù)時(shí)存在的訓(xùn)練緩慢、難以得到模型最優(yōu)的問題，提出了基于CJPU的RBM模型訓(xùn)練并行加速方法。首先重新規(guī)劃了對(duì)比散度算法在C‘JPU的實(shí)現(xiàn)步驟；其次結(jié)合以往C’JPU并行方案，提出采用CUBLAS執(zhí)行訓(xùn)練的矩陣乘加運(yùn)算，設(shè)計(jì)周期更長(zhǎng)、代碼更為簡(jiǎn)潔的Tausworthe113和CLCC4的組合隨機(jī)數(shù)生成器，利用CUDA拾取紋理內(nèi)存的讀取模式實(shí)現(xiàn)了Sigmoid函數(shù)值計(jì)算；最后對(duì)訓(xùn)練時(shí)間和效果進(jìn)行檢驗(yàn)。通過MNIST手寫數(shù)字識(shí)別集實(shí)驗(yàn)證明，相較于以往RBM并行代碼，新設(shè)計(jì)的CJPU并行方案在處理大規(guī)模數(shù)據(jù)集訓(xùn)練上優(yōu)勢(shì)較為明顯，加速比達(dá)到25以上。