Optimización de cálculo con OpenCL para sistemas de entrenamiento de redes neuronales

Abstract

[ES] El campo relacionado con la inteligencia artificial ha supuesto una revolución tanto en la industria como en la sociedad, mejorando la calidad de vida y la productividad del trabajo. Aun así, existen ciertas áreas en las cuales los dispositivos que utilizan esta tecnología necesitan de un uso eficiente de sus componentes para hacer posible el uso de la inteligencia artificial en entornos prácticos. Por esto, el motivo de este trabajo final de grado es la optimización relativa al coste computacional de las funciones previamente creadas en OpenCL para dar soporte a los dispositivos GPUs en la aplicación HELENNA, la cual realiza el entrenamiento e inferencia de redes neuronales. Como resultado obtenemos una reducción considerable del tiempo de ejecución en las distintas redes neuronales tanto densamente conectadas como convolucionales.

[EN] Artificial intelligence has been a revolution in both industry and society, improving quality of life and work productivity. But, there are certain areas in which devices that use this technology require efficient use of their components to make possible the use of artificial intelligence in real-world environments. So, the motivator for this work is the optimization of the computational cost of functions previously created in OpenCL to support GPU devices in the HELENNA application. The HELENNA application performs training and inference on neural networks. As a result of these optimizations, we obtain a considerable reduction in execution time in both fully connected and convolutional neural networks.

[CA] El camp relacionat amb la intel·ligència artificial ha suposat una revolució tant en la indústria com en la societat, millorant la qualitat de vida i la productivitat del treball. Tanmateix, existeixen certes àrees en les quals els dispositius que utilitzen aquesta tecnologia necessiten un ús eficient dels seus components per a fer possible l’ús de la intel·ligència artificial en entorns pràctics. Llavors, el motiu d’aquest treball final de grau és l’optimització relativa al cost computacional de les funcions prèviament creades en OpenCL per a donar suport als dispositius GPUs en l’aplicació HELENNA, la qual realitza l’entrenament i la inferència de xarxes neuronals. Com a resultat obtenim una reducció considerable del temps d’execució de les diferents xarxes neuronals tan densament connectades com convolucionals.