本文提出了一种增强本地学习的方法AugLocal，通过选择部分网络层来增强协同作用，解决了本地学习与BP方法之间的精度差距，并减少了约40%的GPU内存使用。该方法在资源受限的平台上训练深度神经网络具有潜力。此外，提出的指数移动平均归一化（EMAN）技术提高了教师模型的泛化能力，适用于多种网络结构和数据集。

本文提出了一种增强本地学习的方法AugLocal，通过选择部分网络层来增强协同作用，从而缩小本地学习与反向传播方法之间的精度差距，并减少约40%的GPU内存使用。这为在资源受限平台上训练高性能深度神经网络提供了新的机会。