DevMesh

MINST手写识别(实验4) 和 openmp并行化GA和ACO以解决TSP问题(大作业)

UTA

UTA

Unknown

0 0
  • 0 Collaborators

实验4:借助DevCloud上的Intel Optimization for TensorFlow* Deep Learning 框架，优化MINST手写数字识别的训练，并与普通Tensorflow版本的训练速度作比较。 大作业:分别使用遗传算法和蚁群算法来解决TSP问题，使用openmp并行架构优化两算法的效率，最后对比两算法并展示openmp的优化效果。 ...learn more

Project status: Under Development

oneAPI, Artificial Intelligence

Intel Technologies
DevCloud, AI DevCloud / Xeon

Overview / Usage

  • 实验4:

MINST数据集是一个大型手写体数字数据库，共有训练数据60000项，测试数据10000项，每张图像都为灰度图像，大小为28*28像素，本实验使用Tensorflow框架对此数据集做手写数字识别训练,借助DevCloud上的Intel Optimization for TensorFlow* Deep Learning 框架，优化手写数字识别的训练，并与普通Tensorflow版本的训练速度作比较。

  • 大作业

本项目将分别使用遗传算法和蚁群算法来解决TSP问题，使用openmp-offload并行架构优化两算法的效率，最后对比两算法并展示openmp的优化效果。

Methodology / Approach

  • 实验4

输入层：

将输入的28*28矩阵转化为1*784矩阵

全连接层：

使用激活函数ReLU进行全连接映射

损失函数Dropout：

交叉熵

一定概率使神经元置零，防止过拟合

输出层：

使用softmax函数将输出归一化

  • 大作业

1.GA

编码、初始化种群、计算适应度、选择 、交叉、变异

2.ACO

随机放置蚁群、路径构建、更新信息素

​

Comments (0)