ADDA > chpoint를 읽기 계수의 iteration 경과를 시각화하는 powered by Qiita 슬라이드 모드

아이디어


  • Deep Learning (DL)을 사용하여 광 산란 수치 시뮬레이션 종료시의 계수를 학습합니다
  • 학습 한 계수로 다른 PC로 재 계산
  • 재 계산시 수렴이 빠르다
  • DL 오차는 재 계산에 의해 보정되므로 학습의 정확성을 추구하지 않아도 좋습니까?



  • 계산이 곧 완료되는 「구형」으로 계수의 하나(double complex형 xvec[]의 실부)를 가시화해 보았다.

    코드 참조 ぃ tp // m / 7, f9 / ms / 4 아 49f 3d524b04312

    계산 실행
    ぃ tp // m / 7 / f9 / ms / b79c126b43479 a3 a124b

    시각화의 목적


  • Deep Learning에서 학습해야 할 계수 선택
  • 모든 계수를 학습해야하는지 확인



  • 실행



    첫회



    $./adda -grid 25 -chp_type normal -chpoint 1s

    재개



    $./adda -grid 25 -chp_type normal -chp_load -chpoint 1s

    xvec[]실부 (iteration 156회째)



    xvec[]실부 (iteration 288번째)



    xvec[]실부 (iteration 524회째)



    xvec[]실부 (iteration 718회째)



    xvec[]실부 (iteration 957회째)



    xvec[]실부 (iteration 1144회째)



    xvec[]실부 (iteration 1325회째)



    xvec[]실부 (iteration 1467번째)



    xvec[]실부 (iteration 1695번째)



    xvec[]실부 (iteration 1834회째)



    xvec[]실부 (iteration 2054회째)



    주의사항


  • 이미지에서 확인하면 로그 변화를 파악할 수 없습니다
  • 로그 변화가 선형 방정식의 해방에 영향을 미치는지 여부는 조사되지 않음


  • 메모



    이번 계산에서는 3271회로 정밀도 1E-6을 달성했다.

    일단 이 정밀도를 달성하면, 재계산은 순간적으로 끝난다.

    검토 사항은 학습 정밀도 20%의 오차로 재계산이 얼마나 빨라지는가.

    그 확인 방법도 생각하고 있다.

    좋은 웹페이지 즐겨찾기