支持OpenCL的GPU加速人工神经网络训练

工神经网络训练所包含的运算量随着网络中神经元的数量增多而加大，对于神经元较多的网络训练很耗时。提高人工神经网络训练速度的一个方法是对训练算法优化以减少计算量。由于人工神经网络训练算法包含大量的矩阵和向量运算，如果把优化的算法用运行在GPU上的OpenCLC语言实现，则训练速度相比传统基于CPU计算的实现会提高很多。从硬件的并行计算能力着手，以RPROP算法为例，对其运行在GPU上的OpenCLC语言实现作一些研究。