一种降低深度神经网络训练过程中GPU内存占用的方法
实质审查的生效
摘要
本发明公开了一种降低深度神经网络训练过程中GPU内存占用的方法。该方法适用于基于CPU‑GPU异构计算平台上的深度神经网络(DNN)框架，提供基础‑通常‑极致三个等级的内存优化选项，通过静态计算图分析实现运行时零开销的内存分配，通过启发式搜索选择适当的算子重计算策略，同时分析并限制Cudnn库卷积算法的额外内存开销。用户仅需通过一个参数的优化等级控制，即可实现神经网络训练过程中的内存占用优化。
基本信息
专利标题 ：
一种降低深度神经网络训练过程中GPU内存占用的方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114358267A
申请号 ：
CN202210006073.6
公开（公告）日 ：
2022-04-15
申请日 ：
2022-01-05
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
欧岳枫杜歆
申请人 ：
浙江大学
申请人地址 ：
浙江省杭州市西湖区余杭塘路866号
代理机构 ：
杭州求是专利事务所有限公司
代理人 ：
邱启旺
优先权 ：
CN202210006073.6
主分类号 ：
G06N3/063
IPC分类号 ：
G06N3/063 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/06
物理实现，即神经网络、神经元或神经元部分的硬件实现
G06N3/063
采用电的
法律状态
2022-05-03 ：
实质审查的生效
IPC(主分类) : G06N 3/063
申请日 : 20220105
申请日 : 20220105
2022-04-15 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
