您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 跨GPU集群实现多维大数据的高效多路分解

  2. 长期以来,它一直是各个学科的重要问题通过提取来检查大量的多维数据嵌入式多路因素。 随着两者的快速增长分析中数据的规模和维度,研究挑战产生以反映大型张量的动力学同时在因式分解中不引入明显的失真复杂应用中的程序。 大规模平行计算框架,即H-PARAFAC,已经开发启用大规模张量的并行因子分析(PARAFAC) 基于“分而治之”理论(修改后的交替最小方格法)。 分层框架包含了一个粗化模型,用于协调子程序的处理以及用于计算每个子张量的细粒度并行模型和融合子因素。 实验已经进行在GPU集群上,结果表明(1
  3. 所属分类:其它

    • 发布日期:2021-03-03
    • 文件大小:335872
    • 提供者:weixin_38747566