文件名称：warp-rnnt:CUDA-Warp RNN-换能器
文件大小：42KB
文件格式：ZIP
更新时间：2024-05-26 08:26:36
cuda warp forward-backward rnn-transducer Python
CUDA-Warp RNN-换能器 一个GPU实现RNN换能器（格雷夫斯 ， ）。 该代码是从移植的（由Awni Hannun编写），并且充分利用了CUDA warp机制。 损失的主要瓶颈是基于动态规划算法的前进/后退。 特别是，存在一个嵌套循环，用于填充形状为（T，U）的晶格，并且该晶格中的每个值都取决于每个维度上的前两个像元（例如， ）。 CUDA以32个并行线程（称为组的形式执行线程。 当warp的所有32个线程都在其执行路径上达成一致时，便可以实现全部效率。 这正是用于优化RNN换能器的方法。 晶格在T维度上分为扭曲。 在每个扭曲中，线程之间的变量使用快速操作进行交换。 当前经线填满最后一个值后，接下来的两个经线（t + 32，u）和（t，u + 1）开始运行。 下图显示了向前通过的示意性过程，其中T-帧数，U-标签数，W-翘曲尺寸。 向后传递的类似过程并行运行。 表现 In
【文件预览】：
warp-rnnt-master
----core.cu(11KB)
----core_gather.cu(10KB)
----tensorflow_binding()
--------core.cu(10B)
--------core_gather.cu(17B)
--------tests()
--------src()
--------core.h(9B)
--------transducer_tensorflow()
--------setup.py(5KB)
--------CMakeLists.txt(2KB)
--------README.md(3KB)
----LICENSE(1KB)
----lattice.gif(22KB)
----core.h(957B)
----README.md(5KB)
----pytorch_binding()
--------MANIFEST.in(85B)
--------core.cu(10B)
--------core_gather.cu(17B)
--------benchmark.py(2KB)
--------LICENSE(10B)
--------core.h(9B)
--------requirements.txt(28B)
--------setup.py(2KB)
--------binding.cpp(4KB)
--------README.md(2KB)
--------warp_rnnt()