- 博客(5)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 激活函数近似计算性能指标
1. 为什么要近似计算在CNN与DNN的训练与预测过程中，激活函数的计算是必不可少的一部分，在我们的测算中，激活函数的计算大致耗时为0.1ms-1ms。但是由于在DNN和CNN的训练阶段，需要针对每条数据都计算激活函数，调用的次数非常多。因此有必要设计激活函数的近似计算方法，在尽可能确保精度的情况下，使得激活函数的运行速度加快。2. CPU近似计算的算法2.1 查表法查表
2015-06-04 13:57:31
1028
原创 DNN性能测试方法
1. 为什么要进行DNN性能测试深度神经网络(DNN)是随着深度学习发展起来以后非常活跃的一类神经网络，在数据分类，图像识别等领域有广泛应用[1][2]。DNN的训练时间非常长，这一方面是由于它涉及到的数据量很大，确实处理起来需要耗费很多时间；另一方面是由于选择了不合适的计算方法（如矩阵乘法，激活函数，没有使用GPU加速）等造成的。因此当前亟待解决的问题是什么样的计算方法能在保证精度的情况下
2015-06-03 17:34:59
2196
原创 卷积神经网络功能测试方法
卷积神经网络介绍卷积神经网络(CNN)是在语音和图像识别领域使用非常广泛的一类神经网络结构[1]。从图1中可以看到，它包括3类网络层，一类是卷积层，一类是下采样层，最后是全连接层。CNN的训练和DNN一样，也包括前向计算和反向传播。不过不同的是，DNN是全连接的网络结构，其前向计算和反向传播的过程相对都比较简单。但CNN采用的是局部连接的方式(Local Receptive Field)并且前
2015-06-03 14:26:42
1743
原创 CNN模型竞品测试方法
CNN功能验证CNN功能验证上，我们采用的思路是给定一个CNN的实现版本(C++），我们用matlab或python实现一个与其对应的版本，通过给定输入，观察二者的输出是否有差异。由于在matlab中的实现均为采用库函数实现，因此，如果输出有差异，则问题肯定出现在RD写的CNN的实现上。CNN卷积功能验证上面给出的是针对CNN整体的功能的验证上。另外在卷积实现（局部）上
2015-05-26 14:19:08
562
原创 欢迎使用优快云-markdown编辑器
欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦：Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl
2015-05-26 11:23:45
285
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人