用于高性能与边缘计算的梯度提升决策树训练高效逻辑架构
机器学习
2018-12-21 v1 机器学习
摘要
本研究提出了一种用于二分类梯度提升决策树模型高速且高能效训练的逻辑架构。我们在FPGA上实现了所提逻辑架构，并与使用CPU和GPU的三种通用GBDT软件库比较了训练时间与功耗效率。FPGA上逻辑架构的训练速度比软件库快26至259倍。逻辑架构的功耗效率比软件库高90至1104倍。结果表明该逻辑架构适用于高性能与边缘计算。
引用
@article{arxiv.1812.08295,
title = {Efficient logic architecture in training gradient boosting decision tree for high-performance and edge computing},
author = {Takuya Tanaka and Ryosuke Kasahara and Daishiro Kobayashi},
journal= {arXiv preprint arXiv:1812.08295},
year = {2018}
}