基于CUDA編程的神經(jīng)網(wǎng)絡(luò)手寫數(shù)字識(shí)別.pdf

1、字符識(shí)別是模式識(shí)別領(lǐng)域的一個(gè)重要研究分支，分為聯(lián)機(jī)字符識(shí)別和光學(xué)字符識(shí)別(簡(jiǎn)稱OCR，Optical Character Recognition)。手寫數(shù)字識(shí)別一直都是OCR中的一個(gè)難題，更是一個(gè)具有現(xiàn)實(shí)意義且富于挑戰(zhàn)性的課題。近年來神經(jīng)網(wǎng)絡(luò)廣泛應(yīng)用于手寫體數(shù)字識(shí)別算法，但神經(jīng)網(wǎng)絡(luò)的執(zhí)行需要進(jìn)行大量的矩陣和向量的計(jì)算，面對(duì)大數(shù)據(jù)量的問題，傳統(tǒng)的編程方法滿足不了實(shí)時(shí)性。隨著GPU性能的大幅度提高以及GPU的可編程特性的發(fā)展，2007年IN

2、VIDIA公司提出CUDA的編程框架，基于圖形硬件的通用計(jì)算(GPGPU)己成為新的研究熱點(diǎn)。
　　 針對(duì)手寫數(shù)字識(shí)別效率低的問題，本文采用基于CUDA編程的人工神經(jīng)網(wǎng)絡(luò)來加快手寫數(shù)字識(shí)別效率速度。該方法依據(jù)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)上的并行特性（同層內(nèi)神經(jīng)元間相互獨(dú)立）和神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中矩陣運(yùn)算的并行特性，將神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程用CUDA C語言并行化，利用GPU執(zhí)行計(jì)算過程，大幅度提高了手寫數(shù)字識(shí)別的運(yùn)算速度，使實(shí)時(shí)識(shí)別成為可能，同時(shí)為大

3、型神經(jīng)網(wǎng)絡(luò)在GPU上進(jìn)行相關(guān)計(jì)算提供了基本途徑，也為進(jìn)一步研究GPU計(jì)算做好鋪墊。
　　 本文首先描述了本文對(duì)手寫數(shù)字圖像的預(yù)處理過程，包括圖像規(guī)范化、圖像二值化、圖像平滑和細(xì)化等操作。然后主要敘述了BP神經(jīng)網(wǎng)絡(luò)基本知識(shí)，討論了本文圖像特征提取的方法，給出了基于BP神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識(shí)別串行算法仿真結(jié)果。最后完成了基于CUDA編程的神經(jīng)網(wǎng)絡(luò)手寫數(shù)字識(shí)別算法仿真，將并行仿真結(jié)果與串行仿真結(jié)果進(jìn)行性能比較，結(jié)果表明GPU計(jì)算確實(shí)提高