摘要。本文介绍了用于图像识别的深度卷积神经网络训练的性能-能量权衡研究。使用配备 Nvidia Quadro RTX 6000 和 Nvidia V100 GPU 的系统测试了几种具有代表性且广泛采用的网络模型,例如 Alexnet、VGG-19、Inception V3、Inception V4、Resnet50 和 Resnet152。使用 GPU 功率上限,我们发现除了默认配置之外,还可以最小化三个不同的指标:能量 (E)、能量延迟积 (EDP) 以及能量延迟总和 (EDS),从而节省大量能源,EDP 和 EDS 的性能损失较低到中等。具体来说,对于 Quadro 6000 和最小化 E,我们获得了 28.5%–32.5% 的节能效果;对于 EDP,我们获得了 25%–28% 的节能效果,平均性能损失为 4.5%–15.4%;对于 EDS (k=2),我们获得了 22%–27% 的节能效果,平均性能损失为 4.5%–13.8%。对于 V100,我们发现平均节能效果为 24%–33%;对于 EDP,我们获得了 23%–27% 的节能效果,平均性能损失为 13%–21%;对于 EDS (k=2),我们获得了 23.5%–27.3% 的节能效果,平均性能损失为 4.5%–13.8%。
缺少签名:您必须在提交前获得所有必需的签名。第 2.90(2)(D) 章列出了必需的签名。如果 LPA 位于五英尺或更浅的水中,并且市政当局根据 12 MRSA §6671 制定了贝类管理计划,则需要委员会主席或指定城镇官员的签名。一些市政当局有贝类计划,但没有委员会。如果是这种情况,则市政官员应签名。如果您不确定市政当局是否有这样的计划,请联系该镇。未能提供任何必需的签名将导致自动拒绝并损失所有申请费。必需签名被拒绝:如果必需签名被拒绝(河岸土地所有者拒绝签名的情况除外),您可以要求 DMR 审查拒绝签名的依据(参见第 2.90(2)(D)(4) 章)。但是,您需要随申请提交一份声明,说明哪些签名被拒绝、您尝试获取签名的日期,以及要求 DMR 审查拒绝依据的请求。未能在初次提交时提供此信息和请求将导致自动拒绝并没收所有申请费用。请注意,如果 DMR 确定签名被拒绝的理由合理,则申请将被拒绝,您将没收相关费用。未通知河岸土地所有者:您需要通知许可地点 300 英尺范围内的所有海岸和/或潮间带土地所有者(请注意:许多土地所有者已转让潮间带所有权,通知时必须考虑到这一点),通过挂号信发送 LPA 申请副本,包括有关河岸居民如何向 DMR 提交有关许可证签发的意见的信息。如果 DMR 确定河岸清单不完整(即您遗漏了任何地块),申请将被拒绝,您将没收相关费用。绘图需要符合 DMR 政策,该政策托管在我们网站的“种植者和申请人资源”标签下。