近年来，深度学习网络凭借卓越的能力，在不同领域取得了成果，但训练出高质量的深度学习网络面临挑战。尽管可视化方法为深度学习网络训练提供了辅助，但当前主流的事后分析策略在实际应用中存在较多问题，如数据量庞大导致存储困难、I/O开销过高以及无法实现实时干预等。特别是对于深度学习网络训练过程产生的海量时间序列数据，现有工具难以从中提取出详细的训练过程信息，这阻碍了模型优化。
中国科学院计算机网络信息中心先进交互式应用与发展部团队创新性地提出了针对深度学习模型训练数据的原位可视分析框架，形成了原位特征提取算法和神经元学习模式抽象算法。原位特征提取算法在模型运行时复用内存数据，实时分析动态数据，解决了传统事后分析的数据存储和I/O瓶颈问题；而神经元学习模式抽象算法则基于原位特征数据，抽象出神经元的三种学习模式，为可视分析提供支持。
这一框架在性能方面表现良好，对千万参数深度神经网络模型的时序训练数据压缩率可达1% ，能够支撑训练全过程的问题可视分析与回溯，可以实现batch level神经元信息可视化，为深度学习模型优化提供全新视角和支持。
相关研究成果被IEEE Transactions on Visualization and Computer Graphics录用。研究工作得到国家自然科学基金和中国科学院战略性先导科技专项的支持。
深度学习模型原位分析流程
深度学习模型原位可视分析系统
中美科研人员通过对早期角龙类恐龙颅腔形态进行研究发现，随着体型增大，角龙类恐龙在听觉、嗅觉和聪明程度等方面出现 随着全球水产养殖产业的发展，每年会产生大量海藻、牡蛎壳等废弃物。而这些废弃物通常被堆放在垃圾填埋场、近海滩涂或直接丢弃到海洋中，对土壤、自然水域及海洋生态系统带来环境影响。为促进水产养殖的可持续发展 金属表面超疏水在自清洁、防腐、减阻和防冰等领域具有潜在的应用价值。当前，金属表面超疏水性能的实现依赖于传统的二元协同设计思想，即在材料表面制作微/纳米结构，进而采用低表面能有机物进行修饰。这种依靠粘附 家校社协同育人是建设教育强国的重要要求，是落实立德树人根本任务的重要支撑。近年来，各地大力推进家校社“教联体”建设，落实学校、家庭、社会各方育人责任和相互协同机制，增强协同育人共识，提升协同育人实效，对促进青 中国教育报-中国教育新闻网讯（记者 苏峰）近日，山西省临汾市学前教育教研共同体第五责任区教研活动在隰县召开现场会，第五责任区教研专家，蒲县、永和县及隰县教体局相关人员和幼儿园园长、教师代表 中国教育报-中国教育新闻网讯（记者 陈欣然）日前，在第25届中国国际教育年会期间，由英国商业贸易部与天津市教育委员会共同举办的“数字化重塑职业教育新形态：中英合作共育未来人才”平行论坛在北京 。本文链接：深度学习模型的原位可视分析研究取得进展http://www.sushuapos.com/show-12-664-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。