首页  |  期刊简介  |  稿件审稿流程  |  学术道德规范  |  编委会  |  征订启事  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
吴奎,宋彦,戴礼荣.基于CUDA的GMM模型快速训练方法及应用[J].数据采集与处理,2012,27(1):
基于CUDA的GMM模型快速训练方法及应用
CUDA based Fast GMM Model Training Method and its Application
投稿时间:2010-11-13  修订日期:2011-06-12
DOI:
中文关键词:  GMM模型;语种识别;图形处理单元;统一计算设备架构
英文关键词:GMM model; Language identification; GPU; CUDA
基金项目:
作者单位E-mail
吴奎 中国科学技术大学电子工程与信息科学系 wukui@mail.ustc.edu.cn 
宋彦 中国科学技术大学电子工程与信息科学系  
戴礼荣 中国科学技术大学电子工程与信息科学系  
摘要点击次数: 1094
全文下载次数: 2497
中文摘要:
      由于能够很好地近似描述任何分布,GMM在模式在识别领域得到了广泛的应用。GMM模型参数通常使用迭代的EM算法训练获得,当训练数据量非常庞大及模型混合数很大时,需要花费很长的训练时间。NVIDIA公司推出的CUDA技术通过在GPU并发执行多个线程能够实现大规模并行快速计算。由此,本文提出一种基于CUDA,适用于特大数据量的GMM模型快速训练方法,包括用于模型初始化的K-means算法的快速实现方法,以及用于模型参数估计的EM算法的快速实现方法。文中还将这种训练方法应用到语种GMM模型训练中。实验结果表明,与Intel DualCore Pentium Ⅳ 3.0GHz CPU的一个单核相比,在NVIDIA GTS250 GPU上语种GMM模型训练速度提高了26倍左右。
英文摘要:
      Due to its good property to provide an approximation to any distribution, GMM has been widely applied in the field of pattern recognition. Usually, the iterative EM algorithm is applied to estimate GMM parameters .The computational complexity at model training procedure will become very high when large amounts of training data and large mixture number are engaged. The CUDA technology provided by NVIDIA Corporation can perform fast parallel computation by running thousands of threads simultaneously on GPU. In this paper, a fast GMM model training implementation using CUDA is presented, which is especially applicable to large amounts of training data. The fast training implementation contains two parts, the K-means algorithm for model initialization and the EM algorithm for parameter estimation. Furthermore, this fast training method has been applied in language GMMs training. The experimental results show that language model training using GPU is about 26 times faster on NVIDIA GTS250 when compared to traditional implementation on one of the single core of Intel DualCore Pentium Ⅳ 3.0GHz CPU.
查看全文  查看/发表评论  下载PDF阅读器
关闭

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第1035532位访问者 本站今日一共被访问470

技术支持:北京勤云科技发展有限公司