睡不醒的关耳丹三郎

图划分算法目前调研的几种对于有向无环图的划分算法的大致思路：启发式算法（单级算法）：以拓扑排序作为初始划分，在局部邻域分区之间移动节点，得到更加优化的划分。多级算法：对不同级别的图，逐级用启发式进行优化。进化算法：把划分看作种群中的个体，进行演化，演化需要用到多级算法，最终得到更优秀的划分。基本概念定义G：有向无环图，有n个节点，m条有向边，V为节点的集合，E为边的集合。节点和边的权重都要求大于等于零。分区之间不能有公共节点。一个分区的大小，用分区内部所有节点的权重之和表示。

Graph Partitioning with Acyclicity Constraints1 Practical Motivation目标平台: 用于高级成像和计算机视觉的异构多处理器，目前用于英特尔处理器，为低功耗和小内存设计。为了解决内存限制，将图划分为几个分区依次执行。这种划分的质量对通信量和性能有很大影响。现有很多启发式算法可以将图划分成节点数量大致相等的分区。但是我们的平台要求分区之间的依赖不能成环，因为要依次执行。2 Background把DAG的节点映射到异构嵌入式多处理器

Evolutionary Acyclic Graph PartitionAbstractDAG被广泛用于流应用中来模拟数据流和执行依赖性。这使得图划分算法能够用于多处理器体系结构的并行计算问题。但是，由于资源限制，在将流式应用程序映射到嵌入式多处理器时，需要对分区进行非循环性约束。在这里，我们提出了一种无环图分区问题的多级算法。在此基础上，设计了一种进化算法，进一步降低了通信成本，提高了嵌入式多处理器体系结构的负载平衡和调度能力。Multi-level Approach to Acyclic Grap

TensorFlow：A System for Large-Scale Machine Learning背景和动机先前的系统：DistBelief使用Parameter Server架构，有局限性无状态的工作进程worker：执行训练模型时的计算有状态的参数服务进程parameter server：维护当前模型参数基于Python的接口不能满足高级需求。改进方向：定义新图层：用C++类，提高效率完善训练算法：某些接口并不完美适用于所有优化算法，将计算转移到参

PowerGraph：Distributed Graph-Parellel Computation on Natural Graph图并行抽象图的并行抽象包含一个稀疏图 G = {V,E} 和顶点程序Q，顶点程序Q在每个顶点v ∈ V上执行，并且可以和相邻实例 Q(u) 交互( (u，v) ∈ E )。与更一般的消息传递模型相比，图并行抽象限制了顶点程序与图结构的交互，从而实现数据布局和通信的优化。 我们将讨论重点放在Pregel和GraphLab上，因为它们代表了现有的图并行抽象。PregelPr

1. 计算机视觉调研1.1. 定义从数字图像中提取信息的科学领域构建能理解图像内容的算法，并将其用于其他应用。1.2. 图像处理基础1.2.1. 颜色颜色空间：RGB（属于线性颜色空间）、CIE-XYZ(属于线性颜色空间）、HSV（属于非线性颜色空间）。白平衡：是将传感器接收到的图片数据调整至合适的呈现中性的颜色（灰、白等等）的过程。相关算法：Von kries Method（Gray Card Method）、Gray World Assumption、Brightest Pixe