392254 Projekt "Implementierung von künstlichen neuronalen Netzen auf einem heterogenen Rechensystem" (Pj) (SoSe 2014)

Künstliche neuronale Netze wie selbstorganisierende Karten (Self Organizing Maps, SOM) sind ein fester Bestandteil bei der Analyse und Visualisierung hochdimensionaler Daten. Aufgrund der inhärenten Parallelität der Algorithmen liegt es nahe, die Berechnung durch das Parallelisieren von Berechnungsschritten zu beschleunigen. Herkömmliche Mikroprozessoren stoßen bei der Emulation großer neuronaler Netze schnell an ihre Leistungsfähigkeit . Eine Alternative hierzu kann der Einsatz von effizienten Rechenclustern wie dem RECS (Resource Efficient Cluster System) sein. Das in der Arbeitsgruppe K&S entwickelte Rechencluster RECS ist modular aufgebaut und ermöglicht die simultane Verwendung mehrerer ggf. unterschiedlicher Rechenknoten wie Core i7 Haswell, Samsung Exynos5250 (Cortex A15 Dualcore + Mali T604 GPU) oder GPGPU. Im Rahmen des Projekts sollen künstliche neuronaler Netze, wie bspw. SOM, CSOM oder GNG, auf den verschiedenen Rechenknoten des RECS implementiert und für diese optimiert werden. Hierbei gilt es, die Parallelität innerhalb der einzelnen Rechenknoten effektiv auszunutzen. Dazu können Programmierschnittstellen wie zum Beispiel OpenCL, OpenMP oder Pthreads genutzt werden. Anschließend sollen die Möglichkeiten bei der Verwendung mehrerer Rechenknoten im Verbund evaluiert werden. Dies kann bspw. unter Verwendung von MPI erfolgen. Dabei liegt das besondere Augenmerk auf der Kommunikation zwischen den Rechenknoten und den dabei auftretenden Latenzen sowie der Partitionierung der Algorithmen.