第122期 HackCV 日报

本文尝试使用编译器和CPU绑定技术来加速XGBoost和LightGBM,最终的结论是尽可能使用Visual_Studio的编译器,训练模型时不使用CPU绑定,尽量使用更高的CPU频率。事后诸葛亮一把:这些模型都是非常消耗计算力的,显然更高的CPU频率会有更好的加速效果,而CPU绑定可以提供缓存的命中率,降低调度开销,但在大规模的计算面前,这两种情况几乎没什么影响。这么看来,微软的编译器确实给力。

现有的图片缩略图一般都是居中裁切,Twitter对此进行了优化,基于显著性进行裁切,优化用户体验。他们对现有用于显著性检测的深度网络进行了知识蒸馏和裁枝,可以实时处理图片,对应的剪枝算法论文https://arxiv.org/abs/1801.05787。

本文是对AttnGAN论文的原理解读,包含了GAN的基本知识,AttnGAN这篇论文的两个创新点:多级图像修复和多情态动词结构损失。