用树莓派进行 ImageNet 挑战性分类：一种增量局部随机梯度下降算法
计算机视觉与模式识别
2022-08-23 v3 机器学习
摘要
随着性能强劲、低成本的嵌入式设备兴起，边缘计算已成为日益流行的选择。本文提出一种在树莓派上定制的新型增量局部随机梯度下降 (SGD)，以处理具有 1,261,405 张图像和 1,000 个类别的大型 ImageNet ILSVRC 2010 数据集。局部 SGD 使用 means 算法将数据块划分为 个分区，然后以并行方式在每个数据分区中学习 SGD 模型以局部分类数据。增量局部 SGD 顺序加载训练数据集的小数据块以学习局部 SGD 模型。在 Imagenet 数据集上的数值测试结果表明，我们的增量局部 SGD 算法在树莓派 4 上比运行于 PC Intel(R) Core i7-4790 CPU、3.6 GHz、4 核的最先进线性 SVM 更快且更准确。
引用
@article{arxiv.2203.11853,
title = {ImageNet Challenging Classification with the Raspberry Pi: An Incremental Local Stochastic Gradient Descent Algorithm},
author = {Thanh-Nghi Do},
journal= {arXiv preprint arXiv:2203.11853},
year = {2022}
}
备注
10 pages