Derin öğrenmenin Caffe kullanılarak grafik işleme kartlarında değerlendirilmesi

Authors : Ayşegül UÇAR, Mehmet Safa BİNGÖL

Pages : 39-49

View : 42 | Download : 14

Publication Date : 2018-04-04

Article Type : Research Paper

Abstract :Yapay Sinir Ağları (YSA’lar) bilgisayar görmesinden konuşma tanımaya kadar birçok uygulamada kullanılmaktadır. YSA’lar, geleneksel hesaplama yöntemlerinden daha üstün sonuçlar vermektedir. Ancak veri sayısının büyük olduğu uygulamalarda, çok fazla hesaplama gerektirmektedir. Bu nedenle verileri paralel işleyerek sistemlere hız kazandıran Grafik İşleme Birimlerinin kısaca GPU’ların (Graphics Processing Units) kullanımını zorunlu hale gelmiştir. Son yıllarda, YSA’ların bir çeşidi olan derin öğrenme algoritmaları GPU’lar sayesinde, gerçek hayattaki birçok uygulamada başarılı olarak uygulanmış ve GPU içeren gömülü sistemlere talep artmıştır. Bu çalışmada, derin öğrenme yöntemlerinden birisi olan Derin Konvolüsyonel Sinir Ağları (DKSA’lar) ve katmanları kısaca tanıtılmış ve düşük maliyetli Nvidia Jetson TK1/TX1 gömülü sistemleri genel olarak incelenmiştir. Derin öğrenme algoritmalarını uygulamak için Kaliforniya Üniversitesi, Berkeley tarafından geliştirilen Caffe programı kullanılmıştır. Son olarak paralel işleme gücüne sahip olan Nvidia Jetson TK1/TX1 kartları üzerinde MNIST verileri kullanılarak LeNet ağının eğitimi gerçekleştirilmiştir. Eğitim için kartların hem Merkezi İşleme Birimleri kısaca CPU’ları (Central Processing Unit) hem de GPU’ları kullanılmıştır. Deneysel sonuçlar için, Nvidia Jetson TK1/TX1 kartlarına ek olarak Nvidia GTX550 ve GTX960 ekran kartlarına sahip iki bilgisayar da kullanılmıştır. Sonuçlar, hız ve doğruluk açısından değerlendirilmiştir.
Keywords : ECoG Derin öğrenme, konvolüsyonel sinir ağları, LeNet, MNIST, Caffe, Nvidia Jetson TK1 TX1

ORIGINAL ARTICLE URL