《表7 不同数据规模下单次计算平均用时》
(μs)
单次计算平均用时,指在不同的预报数据的规模下,全部完成预报的用时与数据规模的比值,表示多次计算的平均用时。python中的矩阵计算依赖于numpy函数库,对向量和矩阵的计算进行了优化加速。神经网络模型在进行较大规模数据的预报时,进行前馈网络的逐层计算,等价于多个矩阵计算。算法在预报时将全部输入视为大规模矩阵进行加速,在数据规模更大时,神经网络算法会表现出更好的性能,单次计算的平均用时更短。而这也是机器学习算法的优势,数据库以及训练算法一旦形成,可以广泛应用于不同对象,而不需要每次都重新计算。预报效率的对比如表7所示。
图表编号 | XD00187963700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.30 |
作者 | 常宏宇、朱仁传、黄山 |
绘制单位 | 上海交通大学船舶海洋与建筑工程学院海洋工程国家重点实验室、上海交通大学船舶海洋与建筑工程学院海洋工程国家重点实验室、上海交通大学船舶海洋与建筑工程学院海洋工程国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |