《表1 神经网络并行化策略》
提示：宽带有限、当前游客访问压缩模式
为了解决神经网络训练效率的问题，研究者们提出了多种并行化策略，如表1所列，具体可分为两类:硬件架构层面的改进和软件体系层面的改进．
| 图表编号 | XD00199016300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.11.01 |
| 作者 | 朱光宇、谢在鹏、朱跃龙 |
| 绘制单位 | 河海大学计算机与信息学院、河海大学计算机与信息学院、河海大学计算机与信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 变异策略分类：变异策略感知的并行模糊测试研究》2020.09.01
- 《表3 参数信息：一种基于差分进化改进的深度神经网络并行化方法》2020.11.01
- 《表2 实验环境：一种基于差分进化改进的深度神经网络并行化方法》2020.11.01
- 《表4 SVM常见并行化实现方式的对比》2020.06.01
- 《表1 常见符号表：基于GPU并行优化的网格参数化算法》2020.09.10
- 《表1 策略举例：5G网络云化重构方案研究》2020.03.15
- 《表1 算法对比数据：并行半导体生产线投料控制策略研究》2020.03.20
- 《表1 相关符号及说明：网络外部性下信息产品版本化定价策略研究》2020.02.28
- 《表2 现有的并行化统计算法列表》2020.03.01
- 《表1 并行化社团挖掘算法伪代码》2019.10.25
- 《表4 并行化性能验证：融合社交网络与关键用户的并行协同过滤推荐算法》2019.10.01
- 《表1 算法并行化前后性能比较》2019.09.05
- 《表1 旋转角选择策略：多宇宙并行量子遗传神经网络人脸识别算法研究》2019.05.15
- 《表2科学计算程序并行化测试结果》2019.04.01
- 《表1 并行化K-means算法与CFSFDPH算法结果对比》2018.04.20
- 《表1 D=100维下的并行化实验结果》2018.01.15
- 《图染色算法的并行化：图染色算法的并行化》2018.03.18
- 《表3：图染色算法的并行化》2018.03.18
- 《表2：图染色算法的并行化》2018.03.18
- 《表1 实验数据集：基于粒子群优化算法的协同过滤推荐并行化研究》2018.12.01