科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文调研了压缩感知相关算法的一些发展现状,并且概要分析了各种不同算法的优劣势。基于神经网络的压缩感知方法在训练过程中的GPU内存消耗,随着网络层数的变多快速增大,导致该类网络大多是浅层网络,性能提升空间有限。针对该问题,本文结合可逆网络,提出了一种新的可逆压缩感知算法,名为InvICS。由于可逆网络的特性,该模型不存在GPU内存瓶颈。通过在多个数据集上验证,其能极大的减少训练期间的内存消耗,而且还取得了恢复精度的提升。
- 单位
本文调研了压缩感知相关算法的一些发展现状,并且概要分析了各种不同算法的优劣势。基于神经网络的压缩感知方法在训练过程中的GPU内存消耗,随着网络层数的变多快速增大,导致该类网络大多是浅层网络,性能提升空间有限。针对该问题,本文结合可逆网络,提出了一种新的可逆压缩感知算法,名为InvICS。由于可逆网络的特性,该模型不存在GPU内存瓶颈。通过在多个数据集上验证,其能极大的减少训练期间的内存消耗,而且还取得了恢复精度的提升。
