优化器
使用Python和数值库的各种优化算法的实现。
该存储库可作为本文中使用的可视化和评估的来源。
任务清单
动量的随机梯度下降（ ）
AdaGrad（ ）
AdaDelta（ D.Zeiler ）
RMSProp（ ）
亚当（亚当（ ）
NAdam（多扎特（ ））
AMSGrad（ ）
实作
在查看每种算法的完整源代码。
1.具有动量的随机梯度下降
def step ( self , x , y ):
g_t = self . func . df ( x , y )
self . v = self . momentum * self . v + self . lr * g_t
return ( x - self . v [ 0 ], y - self . v [ 1 ])
2. AdaGrad
def step ( self , x , y ):
2021-03-19 14:08:06
164.68MB
1
梅斯特拉多大教堂
迈克尔·亚历山德烈·科斯塔
佩洛塔斯联邦大学-UFPEL
埃斯卡伦纳多·德·transaçõespara Arquiteturas NUMA
2021-03-18 17:08:12
2.52MB
1
| [自制版-综合性实验报告模板-版本1]
( [自制版-综合性实验报告模板-版本2]
| [官方版-综合性实验报告模板-版本3]
| [广大官方版仿照-毕业实习报告模板
| [广大官方版-课程设计报告模板-通信电子系]
| [广大官方版-实验报告]
| [广大官方-毕业设计模板-通信电子系]
[广大官方版-实验报告]
2021-03-07 10:02:47
18.32MB
使用OpenMP的共享内存并行编程简介
该在线课程是在HPC2N和LUNARC之间合作提供的。
OpenMP提供了一种有效的方法来用C，C ++和Fortran编写并行程序。 OpenMP程序适合在共享内存体系结构上执行，例如现代多核系统或Lunarc部署并在SNIC内的HPC群集的单个计算节点。
本课程将向参与者介绍并行编程的共享内存模型和OpenMP应用程序编程接口。 在许多情况下，OpenMP允许从最耗时的代码部分并行化开始，逐步升级现有的串行程序。 通常，OpenMP程序很容易从一个共享内存多处理器系统移植到另一个系统。
该课程包括讲座和实践环节。 教学语言为英语。 不需要并行计算方面的经验。 但是，希望参与者能够用C，C ++或Fortran编写串行程序。 课程内容包括：
共享内存编程概念
OpenMP API的语法
并行和串行区域
共享和私人数据
工作共享的构造和计划
2021-03-05 18:08:16
631KB
1