通过协同计算内存网络中的频域压缩在边缘处控制模拟数据洪水
原文中文，约300字，阅读约需1分钟。发表于：。通过使用频域学习方法和内存沉浸式协同数字化方法，该研究提出了一种改善深度学习推断任务中的面积效率的新方法，在处理来自传感器和物联网设备的高维多光谱模拟数据方面具有潜在的应用前景。
该研究提出了一种名为adaComp的新算法，结合了梯度选择和学习率调节，在分布式深度学习计算中实现了worker更新模型数据压缩。在模拟平台上嵌入TensorFlow到Linux容器中进行实验，相对于标准异步随机梯度下降，保持模型精度的同时，将工人发送到服务器的总数据量减少了两个数量级。例如，在MNIST数据集上的卷积网络中，减少了191倍。
