深度学习训练性能优化：原理、技术与工具

介飞; 张海俊; 汪锦想

doi:10.11907/rjdk.241918

您当前的位置：

首页 >

文章列表页 >

深度学习训练性能优化：原理、技术与工具

研究综述 | 更新时间：2025-05-21

- 深度学习训练性能优化：原理、技术与工具
- Training Performance Optimization in Deep Learning： Principles， Techniques and Tools
- “深度学习训练成本上涨，优化技术成挑战。专家分析性能优化原理，提供训练优化参考。”
- 软件导刊 2025年24卷第5期页码：1-7
- 作者机构：
  
  1.科大讯飞股份有限公司核心研发平台，安徽合肥 230088
  2.中国科学技术大学计算机科学与技术学院，安徽合肥 230027
- 作者简介：
  
  介飞（1991-），男，博士，CCF会员，科大讯飞股份有限公司工程师，科大讯飞股份有限公司与中国科学技术大学联合招收博士后，研究方向为深度学习与数据挖掘
  张海俊（1990-），男，科大讯飞股份有限公司高级工程师，中国科学技术大学博士研究生，研究方向为深度学习与高性能计算
  汪锦想（1987-），男，硕士，科大讯飞股份有限公司高级工程师，研究方向为深度学习与高性能计算。
- 基金信息：
  
  安徽省博士后研究人员科研活动经费资助项目(2022B588)
- DOI：10.11907/rjdk.241918
  中图分类号： TP18
- 收稿日期：2024-11-21，
  
  纸质出版日期：2025-05-15
- 稿件说明：
移动端阅览
介飞,张海俊,汪锦想.深度学习训练性能优化：原理、技术与工具[J].软件导刊,2025,24(05):1-7.

JIE Fei,ZHANG Haijun,WANG Jinxiang.Training Performance Optimization in Deep Learning： Principles， Techniques and Tools[J].Software Guide,2025,24(05):1-7.
介飞,张海俊,汪锦想.深度学习训练性能优化：原理、技术与工具[J].软件导刊,2025,24(05):1-7. DOI： 10.11907/rjdk.241918.

JIE Fei,ZHANG Haijun,WANG Jinxiang.Training Performance Optimization in Deep Learning： Principles， Techniques and Tools[J].Software Guide,2025,24(05):1-7. DOI： 10.11907/rjdk.241918.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于深度学习的表面肌电手势识别研究进展

基于多尺度时间残差收缩网络的睡眠分期模型

基于稀疏子空间的分布外文本检测

基于复合注意力机制的显著目标检测方法

FastScore-CAM：一种高效的视觉解释方法

深度学习训练性能优化：原理、技术与工具

Training Performance Optimization in Deep Learning： Principles， Techniques and Tools

DOI：10.11907/rjdk.241918