原创 開題內容
1:邊緣存儲的好處 邊緣存儲可提供數據預取和緩存服 務,以克服雲存儲遠距離數據傳輸 造成的高延遲、網絡依賴等問題 邊緣存儲可提供鄰近邊緣終端 的分佈式數據存儲服務,藉助數據 去重和近似存儲技術,緩解雲數 據中心的存儲和帶寬壓力
原创 detach_channel_max試驗記錄
實驗原理 設輸入XiX_{i}Xi爲輸入X∈X\inX∈{B,C,W,H}的第i個channel。 Yi=Xi/max(abs(Xi))∗detach(max(abs(Xi))Y_i=X_i/max(abs(X_i))*deta
原创 The Lottery Ticket Hypothesis
The Lottery Ticket Hypothesis THE MOTIVATION Pruned network is difficult to train from the start. THE MAIN WORK Th
原创 FRN提升方法
FRN提升方法 經過一些實驗,找到了FRN的提升方法,首先上結果。 實驗結果 數據集 FRN NewFRN NewL1FRN BN cifar10 91.24% 92.00% 91.60% 92.40% cifa
原创 目前做法整理
Wmean=∑inWin,out/NinW_{mean} = \sum_{in} W_{in,out}/N_{in}Wmean=in∑Win,out/Nin W′=W−WmeanW^{'}= W - W_{mean}W′=
原创 prune實驗規劃
每個實驗一個branch 實驗一 重複上一次實驗,不同之處在於,維持10類的輸出.{0,1,2,3,4},{5,6,7,8,9}相互遷移 實驗二 維持10類輸出,{0,1},{3,4}相互遷移 實驗三 基於實驗一,剪枝時只抽取10
原创 FRN實驗記錄
在batchsize128的情況下,變化ramp-up,看最佳的ramp-upepoch是多少。 ramp-up 20 50 80 FRN 91.74% 92.30% 92.28% 感覺最優的rampup應在50
原创 BN實驗總結
利用每個channel下的max 和min計算均值方差 方差 方差係數 均值 resnet-20/cifar-10的錯誤率 (max−min)2(max-min)^2(max−min)2 無 (max−min)/2(
原创 Lottery ticket experiments 1
數據預處理 將cifar10數據處理成兩個cifar5,其中label爲{0,1,2,3,4}的五類數據放置成一組,命名爲first_cifar_5,label爲{5,6,7,8,9}的五類數據放置成一組,命名爲last_cifa
原创 3篇BNpaper
Understanding the Disharmony between Dropout and Batch Normalization by Variance Shift 這篇文章主要講了兩個問題 爲什麼在諸多網絡模型中,Dr
原创 均值方差估計
均值方差估計 輸入爲x,是一個(B,Cin)的矩陣。權重是w,是一個(Cin,Cout,w,h)的矩陣。本篇文章是估計z = x*w的分佈。當估計出z的均值方差後,就可以利用量化點偏移技術,省略BN層。 假設模型爲: 輸入x爲r
原创 BN實驗計劃
對原始的BN來說, y→=x→−μσ\overrightarrow{y}=\frac{\overrightarrow{x}-\mu}{\sigma}y=σx−μ ∂L∂x→=1σ[∂L∂y→−(∂L∂y→,1→)N1→−(∂L
原创 BN導數
對原始的BN來說, ∂L∂x→=1σ[∂L∂y→−(∂L∂y→,1→)N1→−(∂L∂y→,y→)Ny→]\frac{\partial L}{\partial \overrightarrow{x}}=\frac{1}{\sigma
原创 online norm 與 MABN
MABN MABN的出發點是BN依賴於大的BatchSize。作者發現,BN對於BatchSize的依賴不僅體現在均值和方差兩個統計量上,還體現在導數上。經過與Online Norm對比發現,這兩個對BatchSize依賴的導數項
原创 數據分佈算法
背景 Cooperative Edge Caching in User-Centric Clustered Mobile Networks 這篇paper是2018年被IEEE收錄的一篇論文,着力於解決多個基站協同緩存過程中的數據