Оптимизация выполнения целочисленных арифметических операций на основе нейронных сетей
В настоящее время основные методы повышения производительности операций над числами с фиксированной и плавающей точками, выполняемых многоядерными вычислительными системами (ВС), представлены усложнением микроархитектуры систем и алгоритмов, реализованных в компиляторах и библиотеках. Отдельно следует выделить операции с длинными числами, которые превышают размер машинного слова, что обусловлено ограниченным размером регистров процессора и шины данных. В результате реализация традиционных операций – сложения, умножения, деления, в современных ВС усложняется. Для решения данной задачи в настоящий момент существует ряд алгоритмов, которые, однако, могут быть достаточно медленными, поскольку они последовательные и реализуют побитовое выполнение операций над числами. Для повышения производительности данного класса вычислений предложена модель на основе нейронной сети. Цель создания этой модели – уменьшение времени выполнения операций и загрузки центрального процессора. Разработана нейросетевая модель для выполнения арифметических операций. Предложен и экспериментально проверен метод генерации набора данных на основе обхода графа. Построены алгоритмы выполнения арифметических операций на основе предварительно обученной нейронной сети.
Авторы: О. Т. Мохаммед, А. А. Пазников
Направление: Информатика, вычислительная техника и управление
Ключевые слова: нейронные сети, машинное обучение, длинная арифметика, параллельные вычисления
Открыть полный текст статьи