本發(fā)明涉及標(biāo)簽傳播技術(shù)，尤其涉及一種中央處理器(cpu，centralprocessingunit)-圖形處理器(gpu，graphicsprocessingunit)異構(gòu)的標(biāo)簽傳播實(shí)現(xiàn)方法、裝置。

背景技術(shù)：

近年來，基于網(wǎng)絡(luò)的數(shù)據(jù)分析，引起了數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)應(yīng)用領(lǐng)域的研究興趣。許多基于圖的半監(jiān)督學(xué)習(xí)算法被提出。在這些算法中，一些頂點(diǎn)(已標(biāo)記數(shù)據(jù))用標(biāo)簽或激活值初始化，其他頂點(diǎn)(未標(biāo)記數(shù)據(jù))初始化為0，學(xué)習(xí)問題是分配標(biāo)簽/激活值到未標(biāo)記數(shù)據(jù)進(jìn)行分類或排序?；趫D的半監(jiān)督學(xué)習(xí)算法的共同特征是“聚類(cluster)假設(shè)”：一個(gè)網(wǎng)絡(luò)中相鄰的數(shù)據(jù)點(diǎn)應(yīng)該有相似的標(biāo)記，而網(wǎng)絡(luò)中相同全局cluster的數(shù)據(jù)點(diǎn)也應(yīng)該有相似的標(biāo)記。這些算法通常配置為網(wǎng)絡(luò)上標(biāo)簽傳播：相鄰頂點(diǎn)上的標(biāo)簽信息是迭代傳播的，在傳播過程中最終收斂于唯一的最小化二次判據(jù)的全局最優(yōu)解。基于此，標(biāo)簽傳播算法應(yīng)運(yùn)而生。標(biāo)簽傳播算法是一種有效且高效的技術(shù)，利用網(wǎng)絡(luò)中局部和全局特征進(jìn)行半監(jiān)督學(xué)習(xí)。

基于互作用的網(wǎng)絡(luò)傳播(minprop，mutualinteraction-basednetworkpropagation)算法作為標(biāo)簽傳播算法的一種，是基于異構(gòu)網(wǎng)絡(luò)的標(biāo)簽傳播算法，通過在單個(gè)網(wǎng)絡(luò)內(nèi)部和多個(gè)網(wǎng)絡(luò)之間進(jìn)行標(biāo)簽傳播來挖掘網(wǎng)絡(luò)中的隱藏信息。該算法將所有網(wǎng)絡(luò)結(jié)點(diǎn)進(jìn)行建模，最終轉(zhuǎn)換成矩陣上的對(duì)應(yīng)頂點(diǎn)，頂點(diǎn)包括已標(biāo)記頂點(diǎn)和未標(biāo)記頂點(diǎn)，頂點(diǎn)間邊的權(quán)重表示頂點(diǎn)間的相似度。頂點(diǎn)的標(biāo)簽按照相似度傳播到其他的頂點(diǎn)，相似度越大，則標(biāo)簽越容易傳播。通過標(biāo)簽傳播，每個(gè)頂點(diǎn)的標(biāo)簽值收斂于設(shè)定的閾值，達(dá)到學(xué)習(xí)未標(biāo)記頂點(diǎn)的標(biāo)簽信息的目的。

現(xiàn)有的minprop算法的計(jì)算一般都是借助matlab等工具完全利用cpu去完成計(jì)算的。通過數(shù)據(jù)建模，將一些社交、生物等網(wǎng)絡(luò)信息轉(zhuǎn)換成矩陣，經(jīng)過矩陣標(biāo)準(zhǔn)化等操作，最終由cpu完成整個(gè)矩陣運(yùn)算過程，產(chǎn)生最終結(jié)果。

minprop算法需要在大規(guī)模矩陣上面進(jìn)行求解，有大量的迭代次數(shù)。cpu的核心數(shù)量有限，完成這些迭代需要每個(gè)處理器核心逐個(gè)進(jìn)行計(jì)算操作。整個(gè)過程需要數(shù)天甚至數(shù)周時(shí)間才能完成計(jì)算，這對(duì)于工程人員和科技工作者是無法忍受的。

綜上所述，基于cpu計(jì)算模型的minprop算法實(shí)現(xiàn)主要面臨以下幾個(gè)問題：

1、算法迭代次數(shù)上億級(jí)別，cpu核心數(shù)有限；

2、cpu利用率低，空等系統(tǒng)輸入輸出(io，inputoutput)時(shí)間開銷巨大；

3、系統(tǒng)內(nèi)存有限，內(nèi)存數(shù)據(jù)置換頻繁；

4、分布式計(jì)算時(shí)，需要提前拆分?jǐn)?shù)據(jù)，規(guī)劃計(jì)算任務(wù)，匯總計(jì)算結(jié)果；

5、計(jì)算時(shí)間長、斷電、系統(tǒng)故障等偶然因素一旦發(fā)生，整個(gè)過程需重新開始；

6、計(jì)算時(shí)間往往需要數(shù)周乃至數(shù)月時(shí)間，拖慢整個(gè)科研進(jìn)度。

技術(shù)實(shí)現(xiàn)要素：

為解決上述技術(shù)問題，本發(fā)明實(shí)施例提供了一種cpu-gpu異構(gòu)的標(biāo)簽傳播方法、裝置。

本發(fā)明實(shí)施例提供的cpu-gpu異構(gòu)的標(biāo)簽傳播方法，包括：

利用gpu標(biāo)準(zhǔn)化所有網(wǎng)絡(luò)矩陣；

利用gpu在第一同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播；利用所述cpu判斷所述標(biāo)簽傳播是否收斂，將第一收斂結(jié)果發(fā)送至所述gpu；

當(dāng)所述第一收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，所述gpu在第二同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播；利用所述cpu判斷所述標(biāo)簽傳播是否收斂，將第二收斂結(jié)果發(fā)送至所述gpu；

當(dāng)所述第二收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，所述gpu在異構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播；利用所述cpu判斷所述標(biāo)簽傳播是否收斂，得到第三收斂結(jié)果；當(dāng)所述第三收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，將當(dāng)前的標(biāo)簽傳播向量作為標(biāo)簽傳播結(jié)果。

本發(fā)明實(shí)施例中，所述利用gpu標(biāo)準(zhǔn)化所有網(wǎng)絡(luò)矩陣，包括：

將所述第一同構(gòu)網(wǎng)絡(luò)矩陣、所述第二同構(gòu)網(wǎng)絡(luò)矩陣以及所述異構(gòu)網(wǎng)絡(luò)矩陣，讀入至頁鎖定內(nèi)存中；

利用gpu對(duì)所述內(nèi)存中的第一同構(gòu)網(wǎng)絡(luò)矩陣、所述第二同構(gòu)網(wǎng)絡(luò)矩陣以及所述異構(gòu)網(wǎng)絡(luò)矩陣進(jìn)行標(biāo)準(zhǔn)化處理；

將所述內(nèi)存中的各個(gè)網(wǎng)絡(luò)矩陣替換為標(biāo)準(zhǔn)化處理后的結(jié)果。

本發(fā)明實(shí)施例中，所述利用gpu在第一同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播；利用所述cpu判斷所述標(biāo)簽傳播是否收斂，將第一收斂結(jié)果發(fā)送至所述gpu，包括：

利用gpu在第一同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行第i次標(biāo)簽傳播，將所述第i次標(biāo)簽傳播向量發(fā)送至所述cpu，其中，i≥2；

所述cpu計(jì)算所述第i次標(biāo)簽傳播向量以及第i-1次標(biāo)簽傳播向量的差值，并判斷所述差值是否小于等于第一預(yù)設(shè)閾值；當(dāng)所述差值小于等于第一預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第一收斂結(jié)果為所述標(biāo)簽傳播收斂；當(dāng)所述差值小于等于第一預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第一收斂結(jié)果為所述標(biāo)簽傳播未收斂；

將所述第一收斂結(jié)果發(fā)送至所述gpu。

本發(fā)明實(shí)施例中，所述方法還包括：

當(dāng)所述第一收斂結(jié)果表明所述標(biāo)簽傳播未收斂時(shí)，所述gpu在所述第一同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行第i+1次標(biāo)簽傳播，并將所述第i+1次標(biāo)簽傳播向量發(fā)送至所述cpu。

本發(fā)明實(shí)施例中，所述gpu在第二同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播；利用所述cpu判斷所述標(biāo)簽傳播是否收斂，將第二收斂結(jié)果發(fā)送至所述gpu，包括：

利用gpu在第二同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行第j次標(biāo)簽傳播，將所述第j次標(biāo)簽傳播向量發(fā)送至所述cpu，其中，j≥2；

所述cpu計(jì)算所述第j次標(biāo)簽傳播向量以及第j-1次標(biāo)簽傳播向量的差值，并判斷所述差值是否小于等于第二預(yù)設(shè)閾值；當(dāng)所述差值小于等于第二預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第二收斂結(jié)果為所述標(biāo)簽傳播收斂；當(dāng)所述差值小于等于第二預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第二收斂結(jié)果為所述標(biāo)簽傳播未收斂；

將所述第二收斂結(jié)果發(fā)送至所述gpu。

本發(fā)明實(shí)施例中，所述方法還包括：

當(dāng)所述第二收斂結(jié)果表明所述標(biāo)簽傳播未收斂時(shí)，所述gpu在所述第二同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行第j+1次標(biāo)簽傳播，并將所述第j+1次標(biāo)簽傳播向量發(fā)送至所述cpu。

本發(fā)明實(shí)施例中，所述gpu在異構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播；利用所述cpu判斷所述標(biāo)簽傳播是否收斂，得到第三收斂結(jié)果；當(dāng)所述第三收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，將當(dāng)前的標(biāo)簽傳播向量作為標(biāo)簽傳播結(jié)果，包括：

利用gpu在異構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行第k次標(biāo)簽傳播，將所述第k次標(biāo)簽傳播向量發(fā)送至所述cpu，其中，k≥2；

所述cpu計(jì)算所述第k次標(biāo)簽傳播向量以及第k-1次標(biāo)簽傳播向量的差值，并判斷所述差值是否小于等于第三預(yù)設(shè)閾值；當(dāng)所述差值小于等于第三預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第三收斂結(jié)果為所述標(biāo)簽傳播收斂；當(dāng)所述差值小于等于第三預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第三收斂結(jié)果為所述標(biāo)簽傳播未收斂；

當(dāng)所述第三收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，將當(dāng)前的標(biāo)簽傳播向量作為標(biāo)簽傳播結(jié)果。

本發(fā)明實(shí)施例中，所述方法還包括：

當(dāng)所述第三收斂結(jié)果表明所述標(biāo)簽傳播未收斂時(shí)，所述gpu重新在所述第一同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播。

本發(fā)明實(shí)施例提供的cpu-gpu異構(gòu)的標(biāo)簽傳播實(shí)現(xiàn)裝置，包括：cpu、gpu；

標(biāo)準(zhǔn)化單元，用于利用gpu標(biāo)準(zhǔn)化所有網(wǎng)絡(luò)矩陣；

第一標(biāo)簽傳播單元，用于利用gpu在第一同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播；

第一判斷單元，用于利用所述cpu判斷所述標(biāo)簽傳播是否收斂，將第一收斂結(jié)果發(fā)送至所述gpu；

第二標(biāo)簽傳播單元，用于當(dāng)所述第一收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，所述gpu在第二同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播；

第二判斷單元，用于利用所述cpu判斷所述標(biāo)簽傳播是否收斂，將第二收斂結(jié)果發(fā)送至所述gpu；

第三標(biāo)簽傳播單元，用于當(dāng)所述第二收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，所述gpu在異構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播；

第三判斷單元，用于利用所述cpu判斷所述標(biāo)簽傳播是否收斂，得到第三收斂結(jié)果；

結(jié)果單元，用于當(dāng)所述第三收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，將當(dāng)前的標(biāo)簽傳播向量作為標(biāo)簽傳播結(jié)果。

本發(fā)明實(shí)施例中，所述標(biāo)準(zhǔn)化單元包括：

讀取子單元，用于將所述第一同構(gòu)網(wǎng)絡(luò)矩陣、所述第二同構(gòu)網(wǎng)絡(luò)矩陣以及所述異構(gòu)網(wǎng)絡(luò)矩陣，讀入至頁鎖定內(nèi)存中；

處理子單元，用于利用gpu對(duì)所述內(nèi)存中的第一同構(gòu)網(wǎng)絡(luò)矩陣、所述第二同構(gòu)網(wǎng)絡(luò)矩陣以及所述異構(gòu)網(wǎng)絡(luò)矩陣進(jìn)行標(biāo)準(zhǔn)化處理；

替換子單元，用于將所述內(nèi)存中的各個(gè)網(wǎng)絡(luò)矩陣替換為標(biāo)準(zhǔn)化處理后的結(jié)果。

本發(fā)明實(shí)施例中，所述第一標(biāo)簽傳播單元，還用于利用gpu在第一同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行第i次標(biāo)簽傳播，將所述第i次標(biāo)簽傳播向量發(fā)送至所述cpu，其中，i≥2；

所述第一判斷單元，還用于利用所述cpu計(jì)算所述第i次標(biāo)簽傳播向量以 及第i-1次標(biāo)簽傳播向量的差值，并判斷所述差值是否小于等于第一預(yù)設(shè)閾值；當(dāng)所述差值小于等于第一預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第一收斂結(jié)果為所述標(biāo)簽傳播收斂；當(dāng)所述差值小于等于第一預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第一收斂結(jié)果為所述標(biāo)簽傳播未收斂；將所述第一收斂結(jié)果發(fā)送至所述gpu。

本發(fā)明實(shí)施例中，所述第一標(biāo)簽傳播單元，還用于當(dāng)所述第一收斂結(jié)果表明所述標(biāo)簽傳播未收斂時(shí)，所述gpu在所述第一同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行第i+1次標(biāo)簽傳播，并將所述第i+1次標(biāo)簽傳播向量發(fā)送至所述cpu。

本發(fā)明實(shí)施例中，所述第二標(biāo)簽傳播單元，還用于利用gpu在第二同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行第j次標(biāo)簽傳播，將所述第j次標(biāo)簽傳播向量發(fā)送至所述cpu，其中，j≥2；

所述第二判斷單元，還用于利用所述cpu計(jì)算所述第j次標(biāo)簽傳播向量以及第j-1次標(biāo)簽傳播向量的差值，并判斷所述差值是否小于等于第二預(yù)設(shè)閾值；當(dāng)所述差值小于等于第二預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第二收斂結(jié)果為所述標(biāo)簽傳播收斂；當(dāng)所述差值小于等于第二預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第二收斂結(jié)果為所述標(biāo)簽傳播未收斂；將所述第二收斂結(jié)果發(fā)送至所述gpu。

本發(fā)明實(shí)施例中，所述第二標(biāo)簽傳播單元，還用于當(dāng)所述第二收斂結(jié)果表明所述標(biāo)簽傳播未收斂時(shí)，所述gpu在所述第二同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行第j+1次標(biāo)簽傳播，并將所述第j+1次標(biāo)簽傳播向量發(fā)送至所述cpu。

本發(fā)明實(shí)施例中，所述第三標(biāo)簽傳播單元，還用于利用gpu在異構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行第k次標(biāo)簽傳播，將所述第k次標(biāo)簽傳播向量發(fā)送至所述cpu，其中，k≥2；

所述第三判斷單元，還用于利用所述cpu計(jì)算所述第k次標(biāo)簽傳播向量以及第k-1次標(biāo)簽傳播向量的差值，并判斷所述差值是否小于等于第三預(yù)設(shè)閾值；當(dāng)所述差值小于等于第三預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第三收斂結(jié)果為所述標(biāo)簽傳播收斂；當(dāng)所述差值小于等于第三預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第三收斂結(jié)果為所述標(biāo)簽傳播未收斂；當(dāng)所述第三收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，將當(dāng)前的標(biāo)簽傳播向量作為標(biāo)簽傳播結(jié)果。

本發(fā)明實(shí)施例中，所述第一標(biāo)簽傳播單元，還用于當(dāng)所述第三收斂結(jié)果表明所述標(biāo)簽傳播未收斂時(shí)，所述gpu重新在所述第一同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播。

本發(fā)明實(shí)施例的技術(shù)方案中，利用gpu標(biāo)準(zhǔn)化所有網(wǎng)絡(luò)矩陣；利用gpu在第一同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播；利用所述cpu判斷所述標(biāo)簽傳播是否收斂，將第一收斂結(jié)果發(fā)送至所述gpu；當(dāng)所述第一收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，所述gpu在第二同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播；利用所述cpu判斷所述標(biāo)簽傳播是否收斂，將第二收斂結(jié)果發(fā)送至所述gpu；當(dāng)所述第二收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，所述gpu在異構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播；利用所述cpu判斷所述標(biāo)簽傳播是否收斂，得到第三收斂結(jié)果；當(dāng)所述第三收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，將當(dāng)前的標(biāo)簽傳播向量作為標(biāo)簽傳播結(jié)果?？梢?，本發(fā)明實(shí)施例的標(biāo)簽傳播方法是基于cpu和gpu協(xié)同計(jì)算，在整個(gè)標(biāo)簽傳播實(shí)現(xiàn)過程中，cpu負(fù)責(zé)整個(gè)計(jì)算流程的控制，gpu負(fù)責(zé)完成矩陣的計(jì)算。解決了計(jì)算時(shí)間開銷大、cpu利用率低、內(nèi)存瓶頸、受偶然因素影響較大等缺點(diǎn)。

附圖說明

圖1為本發(fā)明實(shí)施例的cpu-gpu異構(gòu)的標(biāo)簽傳播實(shí)現(xiàn)方法的流程示意圖；

圖2為本發(fā)明實(shí)施例的cpu與gpu交互實(shí)現(xiàn)標(biāo)簽傳播的示意圖；

圖3為本發(fā)明實(shí)施例的cpu-gpu異構(gòu)的標(biāo)簽傳播實(shí)現(xiàn)裝置的結(jié)構(gòu)組成示意圖。

具體實(shí)施方式

為了能夠更加詳盡地了解本發(fā)明實(shí)施例的特點(diǎn)與技術(shù)內(nèi)容，下面結(jié)合附圖對(duì)本發(fā)明實(shí)施例的實(shí)現(xiàn)進(jìn)行詳細(xì)闡述，所附附圖僅供參考說明之用，并非用來限定本發(fā)明實(shí)施例。

本發(fā)明實(shí)施例以標(biāo)簽傳播算法為minprop算法為例進(jìn)行解釋說明，下面對(duì)minprop算法進(jìn)行詳細(xì)描述。

為了處理復(fù)雜異構(gòu)網(wǎng)絡(luò)的標(biāo)簽傳播，根據(jù)其他同構(gòu)子網(wǎng)(屬于同構(gòu)網(wǎng)絡(luò))得到的當(dāng)前標(biāo)簽信息，minprop算法在每個(gè)獨(dú)立的同構(gòu)子網(wǎng)上執(zhí)行標(biāo)簽傳播，重復(fù)執(zhí)行標(biāo)簽傳播直到標(biāo)簽傳播收斂。minprop算法在第i個(gè)同構(gòu)子網(wǎng)上g⁽ⁱ⁾＝(v⁽ⁱ⁾,e⁽ⁱ⁾)執(zhí)行標(biāo)簽傳播，i＝1…k。每個(gè)同構(gòu)子網(wǎng)的標(biāo)簽傳播與在單個(gè)網(wǎng)絡(luò)上的標(biāo)簽傳播算法相同，為：

f^t＝(1-α)y+αsf^t-1(1)

此外，g⁽ⁱ⁾的頂點(diǎn)初始化是頂點(diǎn)初始化標(biāo)簽和其他同構(gòu)子網(wǎng)頂點(diǎn)的當(dāng)前標(biāo)簽的組合。通過g^(i,j)＝(v⁽ⁱ⁾uv^(j),e^(i,j))(1≤j≤k,i≠j)表示第i個(gè)同構(gòu)子網(wǎng)和其他同構(gòu)子網(wǎng)之間的異構(gòu)子網(wǎng)，其他同構(gòu)子網(wǎng)的標(biāo)簽信息被收集作為相互交互。g⁽ⁱ⁾和其他同構(gòu)子網(wǎng)間的相互交互信息被收集為：其中，fj是v^(j)的當(dāng)前標(biāo)簽。異構(gòu)子網(wǎng)標(biāo)簽信息的引入可以捕捉在每對(duì)子網(wǎng)頂點(diǎn)間的bicluster結(jié)構(gòu)。具體地minprop算法如下所示：

這里，所有同構(gòu)子網(wǎng)s⁽ⁱ⁾和異構(gòu)子網(wǎng)s^(i,j)的標(biāo)準(zhǔn)化權(quán)圖是預(yù)先計(jì)算作為輸入的。minprop算法主體由三重循環(huán)構(gòu)成。外層的2至13行do-while循環(huán)，用于檢查是否k個(gè)同構(gòu)子網(wǎng)的標(biāo)簽值已經(jīng)收斂。收斂被定義為，在一次迭代后變化值第二范式不大于閾值σ。第二外層4至12行for循環(huán)依次經(jīng)歷每個(gè)同構(gòu)子網(wǎng)。內(nèi)層7至10行是do-while循環(huán)。第6行，在g⁽ⁱ⁾的頂點(diǎn)中，初始標(biāo)簽y^,初始為，初始標(biāo)簽值以及其他同構(gòu)子網(wǎng)的直接鄰居標(biāo)簽的和。第9行的傳播迭代步驟可以寫為

當(dāng)時(shí)，公式(2)相當(dāng)于公式(1)。因此可以認(rèn)為，從異構(gòu)子網(wǎng)增強(qiáng)初始化的單一網(wǎng)絡(luò)的標(biāo)簽傳播。最終，序列fi^t收斂到其極限fi^*，以及fi^*給出的所有子網(wǎng)頂點(diǎn)的類標(biāo)簽/激活值。

計(jì)算同構(gòu)子網(wǎng)g⁽ⁱ⁾＝(v⁽ⁱ⁾,e⁽ⁱ⁾)傳播的初始標(biāo)簽(第6行)的時(shí)間復(fù)雜度為o(|v⁽ⁱ⁾|∑j≠i|v^(j)|)。運(yùn)行7至10行do-while內(nèi)循環(huán)間復(fù)雜度為o(ti|v⁽ⁱ⁾|²)，其中ti是到達(dá)收斂的循環(huán)次數(shù)。這兩步將在每個(gè)同構(gòu)子網(wǎng)上重復(fù)執(zhí)行(4至12行)，完 成每個(gè)同構(gòu)子網(wǎng)每一輪傳播的任務(wù)時(shí)間復(fù)雜度為o(|v⁽ⁱ⁾|∑j≠i|v^(j)|+ti|v⁽ⁱ⁾|²)。一個(gè)更有效的但是不夠直觀的minprop算法實(shí)現(xiàn)可以預(yù)計(jì)算(i-αis⁽ⁱ⁾)^-1，這樣第7至10行只需要計(jì)算(1-αi)(i-αis⁽ⁱ⁾)^-1y,。設(shè)t為minprop算法到達(dá)收斂的總迭代次數(shù)。高效的實(shí)現(xiàn)minprop算法的時(shí)間復(fù)雜度為：

minprop算法的時(shí)間復(fù)雜度很大程度上與ti和t有關(guān)，前者為每個(gè)同構(gòu)子網(wǎng)上傳播的收斂速度，后者為經(jīng)歷所有同構(gòu)子網(wǎng)需要的迭代次數(shù)。每個(gè)同構(gòu)子網(wǎng)上標(biāo)簽傳播的收斂速度與圖譜特性密切相關(guān)。實(shí)踐中，甚至大型網(wǎng)絡(luò)也可以在數(shù)十次迭代中收斂。同構(gòu)子網(wǎng)達(dá)到收斂的迭代次數(shù)可以用交替優(yōu)化理論估計(jì)。

下面再對(duì)本發(fā)明實(shí)施例的gpu進(jìn)行詳細(xì)描述。

gpu最初是用于在顯示器上渲染計(jì)算機(jī)圖形，其內(nèi)部具有大量的并行計(jì)算單元、更高的存儲(chǔ)帶寬，而且線程切換開銷小，采用了只讀式緩存，這些優(yōu)勢使gpu具有天然的計(jì)算優(yōu)勢，其計(jì)算能力以超越摩爾定律的速度增長，使其不再拘泥于傳統(tǒng)的圖形處理，開始輔助cpu完成圖形計(jì)算以外的運(yùn)算。人們開始在科學(xué)計(jì)算、工程、金融以及其他領(lǐng)域中越來越多地使用gpu。gpu由眾多晶體管組成，這些晶體管主要用于數(shù)據(jù)處理，并沒有用到數(shù)據(jù)緩存和流控制。因?yàn)檫@種結(jié)構(gòu)設(shè)計(jì)是專門為了高度并行化、計(jì)算密集型的操作。

gpu作為cpu的協(xié)處理器，每次執(zhí)行程序的時(shí)候可以開啟大量線程，并通過開啟大量線程來進(jìn)行并行計(jì)算，進(jìn)而可以隱藏訪問存儲(chǔ)器帶來的時(shí)間上的延遲。按照線程的訪問權(quán)限，gpu上的內(nèi)存可以分為3層。第一層是單個(gè)線程所擁有的內(nèi)存，包括寄存器和本地內(nèi)存。第二層是中間內(nèi)存，由出在相同線程塊的所有線程所共享，其中只包括共享內(nèi)存(sharedmemory)。第三層是任意網(wǎng)格中的所有線程都可以訪問的最外層內(nèi)存，包括全局內(nèi)存(globalmemory)、固定內(nèi)存(constantmemory和紋理內(nèi)存(texturememory)。

此外，統(tǒng)一計(jì)算設(shè)備架構(gòu)(cuda，computeunifieddevicearchitecture)是一種將gpu作為數(shù)據(jù)并行計(jì)算設(shè)備的軟硬件體系，包括硬件支持、程序語言擴(kuò)展、編譯器、調(diào)試器等整套開發(fā)工具鏈，它對(duì)矩陣數(shù)值計(jì)算、圖像視頻處理、機(jī)器學(xué)習(xí)、計(jì)算機(jī)可視化等問題都有良好的加速效果。cuda語言是基于c語言的擴(kuò)展，主要使用應(yīng)用程序編程接口(api，applicationprogramminginterface)調(diào)用底層功能進(jìn)行相關(guān)處理，因而可以使熟悉c、c++語言的編程人員能夠快速的運(yùn)用cuda開發(fā)計(jì)算程序。

綜上所述，minprop算法的主要計(jì)算密集點(diǎn)分為：矩陣向量乘，向量加和兩個(gè)向量最大差值等操作。具體包括如下步驟：

1)將同構(gòu)網(wǎng)絡(luò)矩陣p(m×m)、同構(gòu)網(wǎng)絡(luò)矩陣g(n×n)和異構(gòu)網(wǎng)絡(luò)矩陣a(m×n)讀入到頁鎖定內(nèi)存中，并計(jì)算出異構(gòu)網(wǎng)絡(luò)矩陣的轉(zhuǎn)置矩陣a(m×n)^t。

2)對(duì)所有的同構(gòu)網(wǎng)絡(luò)矩陣和異構(gòu)網(wǎng)絡(luò)矩陣進(jìn)行標(biāo)準(zhǔn)化操作。

3)初始化標(biāo)簽傳播向量p和f，指定初始化標(biāo)簽傳播開始節(jié)點(diǎn)并指定最大傳播次數(shù)。

4)在同構(gòu)網(wǎng)絡(luò)矩陣p(m×m)上進(jìn)行標(biāo)簽傳播，直至相鄰兩次的標(biāo)簽傳播向量的差值達(dá)到預(yù)先設(shè)定的閾值，即標(biāo)簽傳播收斂。在同構(gòu)網(wǎng)絡(luò)矩陣g(n×n)上進(jìn)行標(biāo)簽傳播，直至相鄰兩次的標(biāo)簽傳播向量之間的差值達(dá)到預(yù)先設(shè)定的閾值，即標(biāo)簽傳播收斂。

5)在異構(gòu)網(wǎng)絡(luò)矩陣a(m×n)上進(jìn)行標(biāo)簽傳播，直至相鄰兩次的標(biāo)簽傳播向量的差值達(dá)到預(yù)先設(shè)定的閾值，即標(biāo)簽傳播收斂。

6)保存此時(shí)的標(biāo)簽傳播向量f，即為最終的標(biāo)簽傳播結(jié)果。

使用gnu的gcov、gprof和intel公司的vtune等分析工具對(duì)minprop算法的串行實(shí)現(xiàn)進(jìn)行深入剖析之后發(fā)現(xiàn)，矩陣向量乘占用了整個(gè)程序執(zhí)行時(shí)間的99.9％。

本發(fā)明實(shí)施例把矩陣向量乘交給gpu去計(jì)算，cpu負(fù)責(zé)程序執(zhí)行流程的 控制。

圖1為本發(fā)明實(shí)施例的cpu-gpu異構(gòu)的標(biāo)簽傳播實(shí)現(xiàn)方法的流程示意圖，如圖1所示，所述cpu-gpu異構(gòu)的標(biāo)簽傳播實(shí)現(xiàn)方法包括以下步驟：

步驟101：利用gpu標(biāo)準(zhǔn)化所有網(wǎng)絡(luò)矩陣。

本發(fā)明實(shí)施例中，將所述第一同構(gòu)網(wǎng)絡(luò)矩陣、所述第二同構(gòu)網(wǎng)絡(luò)矩陣以及所述異構(gòu)網(wǎng)絡(luò)矩陣，讀入至頁鎖定內(nèi)存中；利用gpu對(duì)所述內(nèi)存中的第一同構(gòu)網(wǎng)絡(luò)矩陣、所述第二同構(gòu)網(wǎng)絡(luò)矩陣以及所述異構(gòu)網(wǎng)絡(luò)矩陣進(jìn)行標(biāo)準(zhǔn)化處理；將所述內(nèi)存中的各個(gè)網(wǎng)絡(luò)矩陣替換為標(biāo)準(zhǔn)化處理后的結(jié)果。

步驟102：利用gpu在第一同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播；利用所述cpu判斷所述標(biāo)簽傳播是否收斂，將第一收斂結(jié)果發(fā)送至所述gpu。

本發(fā)明實(shí)施例中，利用gpu在第一同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行第i次標(biāo)簽傳播，將所述第i次標(biāo)簽傳播向量發(fā)送至所述cpu，其中，i≥2；所述cpu計(jì)算所述第i次標(biāo)簽傳播向量以及第i-1次標(biāo)簽傳播向量的差值，并判斷所述差值是否小于等于第一預(yù)設(shè)閾值；當(dāng)所述差值小于等于第一預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第一收斂結(jié)果為所述標(biāo)簽傳播收斂；當(dāng)所述差值小于等于第一預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第一收斂結(jié)果為所述標(biāo)簽傳播未收斂；將所述第一收斂結(jié)果發(fā)送至所述gpu。

步驟103：當(dāng)所述第一收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，所述gpu在第二同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播；利用所述cpu判斷所述標(biāo)簽傳播是否收斂，將第二收斂結(jié)果發(fā)送至所述gpu。

承接上述步驟102，當(dāng)所述第一收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，所述gpu在第二同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播；利用所述cpu判斷所述標(biāo)簽傳播是否收斂，將第二收斂結(jié)果發(fā)送至所述gpu。當(dāng)所述第一收斂結(jié)果表明所述標(biāo)簽傳播未收斂時(shí)，所述gpu在所述第一同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行第i+1次標(biāo)簽傳播，并將所述第i+1次標(biāo)簽傳播向量發(fā)送至所述cpu。

本發(fā)明實(shí)施例中，利用gpu在第二同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行第j次標(biāo)簽傳播，將所述第j次標(biāo)簽傳播向量發(fā)送至所述cpu，其中，j≥2；所述cpu計(jì)算所述 第j次標(biāo)簽傳播向量以及第j-1次標(biāo)簽傳播向量的差值，并判斷所述差值是否小于等于第二預(yù)設(shè)閾值；當(dāng)所述差值小于等于第二預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第二收斂結(jié)果為所述標(biāo)簽傳播收斂；當(dāng)所述差值小于等于第二預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第二收斂結(jié)果為所述標(biāo)簽傳播未收斂；將所述第二收斂結(jié)果發(fā)送至所述gpu。

步驟104：當(dāng)所述第二收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，所述gpu在異構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播；利用所述cpu判斷所述標(biāo)簽傳播是否收斂，得到第三收斂結(jié)果；當(dāng)所述第三收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，將當(dāng)前的標(biāo)簽傳播向量作為標(biāo)簽傳播結(jié)果。

承接上述步驟103，當(dāng)所述第二收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，所述gpu在異構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播；利用所述cpu判斷所述標(biāo)簽傳播是否收斂，得到第三收斂結(jié)果；當(dāng)所述第三收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，將當(dāng)前的標(biāo)簽傳播向量作為標(biāo)簽傳播結(jié)果。當(dāng)所述第二收斂結(jié)果表明所述標(biāo)簽傳播未收斂時(shí)，所述gpu在所述第二同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行第j+1次標(biāo)簽傳播，并將所述第j+1次標(biāo)簽傳播向量發(fā)送至所述cpu。

本發(fā)明實(shí)施例中，利用gpu在異構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行第k次標(biāo)簽傳播，將所述第k次標(biāo)簽傳播向量發(fā)送至所述cpu，其中，k≥2；所述cpu計(jì)算所述第k次標(biāo)簽傳播向量以及第k-1次標(biāo)簽傳播向量的差值，并判斷所述差值是否小于等于第三預(yù)設(shè)閾值；當(dāng)所述差值小于等于第三預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第三收斂結(jié)果為所述標(biāo)簽傳播收斂；當(dāng)所述差值小于等于第三預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第三收斂結(jié)果為所述標(biāo)簽傳播未收斂；當(dāng)所述第三收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，將當(dāng)前的標(biāo)簽傳播向量作為標(biāo)簽傳播結(jié)果。當(dāng)所述第三收斂結(jié)果表明所述標(biāo)簽傳播未收斂時(shí)，所述gpu重新在所述第一同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播。

本發(fā)明實(shí)施例的標(biāo)簽傳播方法是基于cpu和gpu協(xié)同計(jì)算，在整個(gè)標(biāo)簽傳播實(shí)現(xiàn)過程中，cpu負(fù)責(zé)整個(gè)計(jì)算流程的控制，gpu負(fù)責(zé)完成矩陣的計(jì)算。解決了計(jì)算時(shí)間開銷大、cpu利用率低、內(nèi)存瓶頸、受偶然因素影響較大等缺 點(diǎn)。

參照?qǐng)D2，圖2為本發(fā)明實(shí)施例的cpu與gpu交互實(shí)現(xiàn)標(biāo)簽傳播的示意圖，如圖2所示：

首先，將矩陣p(m×m)，矩陣g(n×n)和p-g聯(lián)合矩陣a(m×n)拷貝到頁鎖定內(nèi)存中。在對(duì)矩陣進(jìn)行標(biāo)準(zhǔn)化操作的時(shí)候，本發(fā)明實(shí)施例直接把操作交給gpu去計(jì)算，在標(biāo)準(zhǔn)化矩陣操作的時(shí)候，開啟與需要標(biāo)準(zhǔn)化的矩陣行數(shù)相同個(gè)數(shù)的資源塊(block)，以及256個(gè)線程進(jìn)行計(jì)算。每一個(gè)block都有一個(gè)唯一標(biāo)識(shí)的id號(hào)，通過這個(gè)id號(hào)可以控制不同的block和線程進(jìn)行計(jì)算。每一個(gè)block計(jì)算矩陣其中一行的所有元素標(biāo)準(zhǔn)化之后的結(jié)果，并替換掉原先矩陣?yán)锩鎸?duì)應(yīng)位置的元素。

在矩陣標(biāo)準(zhǔn)化和初始化查詢條件完成之后，首先在矩陣p(m×m)上進(jìn)行標(biāo)簽傳播，在傳播的同時(shí)進(jìn)行收斂判斷。這一過程主要的操作是矩陣向量乘、向量加法和計(jì)算兩個(gè)向量對(duì)應(yīng)元素最大差值。其中矩陣向量乘和向量加法分別通過cublas庫中提供的cublasdgemv()和cublasdaxpy()接口去實(shí)現(xiàn)。這兩個(gè)接口分別實(shí)現(xiàn)矩陣向量乘和矩陣加法。在求解兩個(gè)向量對(duì)應(yīng)元素的最大差值的時(shí)候，定義kernel函數(shù)max_of_two_vectors。開啟1個(gè)線程塊，256個(gè)線程。為每個(gè)線程分配一個(gè)共享內(nèi)存(sharedmemory)，用來存儲(chǔ)兩個(gè)向量對(duì)應(yīng)元素的差值的絕對(duì)值，步長為256，這樣就得到了一個(gè)長度為256的雙精度浮點(diǎn)數(shù)組。每個(gè)線程計(jì)算完當(dāng)前對(duì)應(yīng)位置的兩個(gè)元素之后就會(huì)去計(jì)算從當(dāng)前位置算起往后256個(gè)步長的兩個(gè)向量的對(duì)應(yīng)元素的差值，如果比當(dāng)前共享內(nèi)存中的值大，則替換共享內(nèi)存中的差值。所有線程執(zhí)行完差值以后，線程數(shù)量折半，只使用128個(gè)線程去求解256個(gè)雙浮點(diǎn)類型數(shù)據(jù)長度的最大值?？梢砸?號(hào)線程為例，負(fù)責(zé)共享內(nèi)存上的數(shù)組的第1個(gè)元素和第129個(gè)元素的大小的比較，如果129位置上的元素的值大于1位置上的元素，則替換1位置的元素。其他線程也是同樣的原理，kernel函數(shù)結(jié)束的時(shí)候把最大差值賦值給事先已經(jīng)在頁鎖定內(nèi)存上的變量。在一次標(biāo)簽傳播結(jié)束的時(shí)候，cpu去判斷這個(gè)最大差值是否達(dá)到事先設(shè) 定好的閾值，如果達(dá)到閾值，下一步到矩陣g(n×n)進(jìn)行標(biāo)簽傳播。如果沒有達(dá)到閾值，則在矩陣p(m×m)上繼續(xù)傳播，直至收斂。此時(shí)保存標(biāo)簽傳播向量。

緊接著在矩陣g(n×n)進(jìn)行標(biāo)簽傳播，其中的主要的操作是矩陣向量乘、向量加法和計(jì)算兩個(gè)向量對(duì)應(yīng)元素最大差值。各操作的實(shí)現(xiàn)原理跟在矩陣p(m×m)上的傳播原理是一樣的。

最后一步需要在p-g聯(lián)合矩陣a(m×n)上進(jìn)行傳播，其中的主要的操作是矩陣向量乘、向量加法和計(jì)算兩個(gè)向量對(duì)應(yīng)元素最大差值。各操作的實(shí)現(xiàn)原理跟在矩陣p(m×m)上的傳播原理是一樣的，在這里不再贅述。

當(dāng)所有網(wǎng)絡(luò)上的標(biāo)簽傳播向量都達(dá)到收斂時(shí)，視為傳播結(jié)束，此時(shí)保存對(duì)應(yīng)的標(biāo)簽傳播向量，用作后續(xù)的分析。

本發(fā)明實(shí)施例的技術(shù)方案，充分分析了算法的計(jì)算密集型操作以及算法瓶頸，針對(duì)算法瓶頸，充分利用近年來并行計(jì)算能力日益強(qiáng)大的基于cuda編程模型的gpu，將算法中迭代次數(shù)較多、計(jì)算密集型操作重新設(shè)計(jì)，一部分流程控制交給cpu去處理，計(jì)算密集型操作交給gpu去處理。其中，基于cpu-gpu異構(gòu)計(jì)算模型，相比傳統(tǒng)的基于cpu計(jì)算平臺(tái)的時(shí)間開銷急劇縮短。充分利用cpu核心數(shù)較少，但是邏輯判斷能力較強(qiáng)的特性，gpu邏輯判斷能力較弱，但是核心數(shù)較多，具有強(qiáng)大的并行計(jì)算能力的特性。方便無編程經(jīng)驗(yàn)的工程人員或者科研人員快速上手，只需搭建必要的較少的運(yùn)行環(huán)境，如cuda編譯環(huán)境，gcc編譯環(huán)境。易于擴(kuò)展?；诒旧暾?qǐng)?zhí)岢龅腸pu-gpu異構(gòu)編程模型，可以很方便的擴(kuò)展到多gpu模式。

圖3為本發(fā)明實(shí)施例的cpu-gpu異構(gòu)的標(biāo)簽傳播實(shí)現(xiàn)裝置的結(jié)構(gòu)組成示意圖，如圖3所示，所述裝置包括：cpu、gpu

標(biāo)準(zhǔn)化單元31，用于利用gpu標(biāo)準(zhǔn)化所有網(wǎng)絡(luò)矩陣；

第一標(biāo)簽傳播單元32，用于利用gpu在第一同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播；

第一判斷單元33，用于利用所述cpu判斷所述標(biāo)簽傳播是否收斂，將第一收斂結(jié)果發(fā)送至所述gpu；

第二標(biāo)簽傳播單元34，用于當(dāng)所述第一收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，所述gpu在第二同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播；

第二判斷單元35，用于利用所述cpu判斷所述標(biāo)簽傳播是否收斂，將第二收斂結(jié)果發(fā)送至所述gpu；

第三標(biāo)簽傳播單元36，用于當(dāng)所述第二收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，所述gpu在異構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播；

第三判斷單元37，用于利用所述cpu判斷所述標(biāo)簽傳播是否收斂，得到第三收斂結(jié)果；

結(jié)果單元38，用于當(dāng)所述第三收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，將當(dāng)前的標(biāo)簽傳播向量作為標(biāo)簽傳播結(jié)果。

所述標(biāo)準(zhǔn)化單元31包括：

讀取子單元311，用于將所述第一同構(gòu)網(wǎng)絡(luò)矩陣、所述第二同構(gòu)網(wǎng)絡(luò)矩陣以及所述異構(gòu)網(wǎng)絡(luò)矩陣，讀入至頁鎖定內(nèi)存中；

處理子單元312，用于利用gpu對(duì)所述內(nèi)存中的第一同構(gòu)網(wǎng)絡(luò)矩陣、所述第二同構(gòu)網(wǎng)絡(luò)矩陣以及所述異構(gòu)網(wǎng)絡(luò)矩陣進(jìn)行標(biāo)準(zhǔn)化處理；

替換子單元313，用于將所述內(nèi)存中的各個(gè)網(wǎng)絡(luò)矩陣替換為標(biāo)準(zhǔn)化處理后的結(jié)果。

所述第一標(biāo)簽傳播單元32，還用于利用gpu在第一同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行第i次標(biāo)簽傳播，將所述第i次標(biāo)簽傳播向量發(fā)送至所述cpu，其中，i≥2；

所述第一判斷單元33，還用于利用所述cpu計(jì)算所述第i次標(biāo)簽傳播向量以及第i-1次標(biāo)簽傳播向量的差值，并判斷所述差值是否小于等于第一預(yù)設(shè)閾值；當(dāng)所述差值小于等于第一預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第一收斂結(jié)果為所述標(biāo)簽傳播收斂；當(dāng)所述差值小于等于第一預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第一收斂結(jié)果為所述標(biāo)簽傳播未收斂；將所述第一收斂結(jié)果發(fā)送至所述gpu。

所述第一標(biāo)簽傳播單元32，還用于當(dāng)所述第一收斂結(jié)果表明所述標(biāo)簽傳播未收斂時(shí)，所述gpu在所述第一同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行第i+1次標(biāo)簽傳播，并將所述第i+1次標(biāo)簽傳播向量發(fā)送至所述cpu。

所述第二標(biāo)簽傳播單元34，還用于利用gpu在第二同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行第j次標(biāo)簽傳播，將所述第j次標(biāo)簽傳播向量發(fā)送至所述cpu，其中，j≥2；

所述第二判斷單元35，還用于利用所述cpu計(jì)算所述第j次標(biāo)簽傳播向量以及第j-1次標(biāo)簽傳播向量的差值，并判斷所述差值是否小于等于第二預(yù)設(shè)閾值；當(dāng)所述差值小于等于第二預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第二收斂結(jié)果為所述標(biāo)簽傳播收斂；當(dāng)所述差值小于等于第二預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第二收斂結(jié)果為所述標(biāo)簽傳播未收斂；將所述第二收斂結(jié)果發(fā)送至所述gpu。

所述第二標(biāo)簽傳播單元34，還用于當(dāng)所述第二收斂結(jié)果表明所述標(biāo)簽傳播未收斂時(shí)，所述gpu在所述第二同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行第j+1次標(biāo)簽傳播，并將所述第j+1次標(biāo)簽傳播向量發(fā)送至所述cpu。

所述第三標(biāo)簽傳播單元36，還用于利用gpu在異構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行第k次標(biāo)簽傳播，將所述第k次標(biāo)簽傳播向量發(fā)送至所述cpu，其中，k≥2；

所述第三判斷單元37，還用于利用所述cpu計(jì)算所述第k次標(biāo)簽傳播向量以及第k-1次標(biāo)簽傳播向量的差值，并判斷所述差值是否小于等于第三預(yù)設(shè)閾值；當(dāng)所述差值小于等于第三預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第三收斂結(jié)果為所述標(biāo)簽傳播收斂；當(dāng)所述差值小于等于第三預(yù)設(shè)閾值時(shí)，所述cpu確定出所述第三收斂結(jié)果為所述標(biāo)簽傳播未收斂；當(dāng)所述第三收斂結(jié)果表明所述標(biāo)簽傳播收斂時(shí)，將當(dāng)前的標(biāo)簽傳播向量作為標(biāo)簽傳播結(jié)果。

所述第一標(biāo)簽傳播單元32，還用于當(dāng)所述第三收斂結(jié)果表明所述標(biāo)簽傳播未收斂時(shí)，所述gpu重新在所述第一同構(gòu)網(wǎng)絡(luò)矩陣上進(jìn)行標(biāo)簽傳播。

本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，圖3所示的cpu-gpu異構(gòu)的標(biāo)簽傳播實(shí)現(xiàn)裝置中的各單元及其子單元的實(shí)現(xiàn)功能可參照前述cpu-gpu異構(gòu)的標(biāo)簽傳播實(shí)現(xiàn)方法的相關(guān)描述而理解。圖3所示的cpu-gpu異構(gòu)的標(biāo)簽傳播實(shí)現(xiàn)裝置中 的各單元的功能可通過運(yùn)行于處理器上的程序而實(shí)現(xiàn)，也可通過具體的邏輯電路而實(shí)現(xiàn)。

本發(fā)明實(shí)施例所記載的技術(shù)方案之間，在不沖突的情況下，可以任意組合。

在本發(fā)明所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的方法和智能設(shè)備，可以通過其它的方式實(shí)現(xiàn)。以上所描述的設(shè)備實(shí)施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，如：多個(gè)單元或組件可以結(jié)合，或可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另外，所顯示或討論的各組成部分相互之間的耦合、或直接耦合、或通信連接可以是通過一些接口，設(shè)備或單元的間接耦合或通信連接，可以是電性的、機(jī)械的或其它形式的。

上述作為分離部件說明的單元可以是、或也可以不是物理上分開的，作為單元顯示的部件可以是、或也可以不是物理單元，即可以位于一個(gè)地方，也可以分布到多個(gè)網(wǎng)絡(luò)單元上；可以根據(jù)實(shí)際的需要選擇其中的部分或全部單元來實(shí)現(xiàn)本實(shí)施例方案的目的。

另外，在本發(fā)明各實(shí)施例中的各功能單元可以全部集成在一個(gè)第二處理單元中，也可以是各單元分別單獨(dú)作為一個(gè)單元，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中；上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用硬件加軟件功能單元的形式實(shí)現(xiàn)。

以上所述，僅為本發(fā)明的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。