针对特定运行模式下粗粒度数据存在计算效率较低的问题,提出一种基于卷积神经网络的数据分布式算法.首先构建用于粗粒度数据处理的卷积神经网络模型,给出模型基础连接层神经元网络的连接结构和权重比例,并训练和池化粗粒度数据;然后利用训练池化结果求解模型的最小损失函数,提升模型针对粗粒度数据的分布式计算能力.实验结果表明,在单机和集群模式下,卷积神经网络模型具有更好的计算效率和数据泛化能力.
科研之友
微信
新浪微博
Facebook
分享链接
