Intel MIC学习资料

25 篇文章 0 订阅

a)        Intel MIC官网

http://software.intel.com/mic-developer

b)        MIC体系结构

http://software.intel.com/en-us/articles/intel-xeon-phi-coprocessor-codename-knights-corner

c)        MIC指令集

http://software.intel.com/sites/default/files/forum/278102/327364001en.pdf

d)        MIC专著

全球第一本MIC技术图书《MIC高性能计算编程指南》,由浪潮撰写,2012年11月正式出版。

本书主要讲解MIC软、硬件架构、MIC编程环境的安装使用、MIC编程、工具链及库的使用;介绍各种优化手段,并介绍完整示例体现各种优化手段;从软件工程思路讲解读者在自己的工程实践中运用MIC来设计自己的程序,首先介绍MIC技术实践应用的方法、策略的总结,然后给出两个实际案例进行讲解,让读者进一步全面掌握MIC。本书结构合理,体系完备,由易到难,由理论到实践,由工具书参考到工程培训参考,并且通俗易懂,文峰简单、流畅,用简单案例阐述理论,配有大量图、表、程序片段。

 

e)        QQ群:272619766

f)         BBS:http://hpcbbs.it168.com/forum-103-1.html

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: MIC(Mutual Information-based Clustering)值是一种度量变量之间相互关系的方法,它可以用于聚类分析、特征选择等任务中。在深度学习中,MIC值通常被用于衡量输入特征与输出标签之间的相关性。具体来说,MIC值可以用来评估一个特征与目标变量之间的相关性程度,从而帮助我们选择最有用的特征来建立模型。MIC值越高,说明特征与目标变量之间的相关性越强,这个特征对于模型的预测能力就越有帮助。 ### 回答2: 在深度学习中,MIC值是指最大信息系数(Maximal Information Coefficient),用于衡量两个变量之间的相关性。MIC值是一个介于0到1之间的数值,表示变量之间的相依度越大,MIC值就越接近于1;相反,如果变量之间独立性越强,MIC值就越接近于0。 MIC值的计算是通过在二维空间的格点上进行计算的。首先,将变量的值按照大小进行排序,然后根据排名作为坐标来表示每个值所在二维空间中的位置。接下来,在格点上进行圆形区域的拟合,通过计算拟合程度来评估变量之间的相关性。最后,MIC值通过对拟合程度进行归一化得出。 MIC值的应用非常广泛。在特征选择中,可以使用MIC值来评估特征与标签之间的关联程度,从而选择对目标预测具有高相关性的特征。在数据挖掘和机器学习领域中,MIC值可以用来挖掘不同变量之间的非线性关系,发现潜在的模式和规律。此外,在网络分析、图像处理等领域,也可以利用MIC值来研究变量之间的关联性。 总而言之,MIC值在深度学习中用于度量变量之间的相关性,能够提供有关变量之间关联程度的指标,对于特征选择、数据挖掘和模式发现等任务具有重要的应用价值。 ### 回答3: MIC值(Maximum Information Coefficient)是一种用于衡量两个变量关联度的统计量,在深度学习中常常用于特征选择和数据挖掘的过程中。 MIC值的计算基于互信息(mutual information),互信息度量了两个变量之间的相关性,即在已知一个变量的情况下对另一个变量的不确定性的减少。而MIC值则是互信息的一种归一化版本,它能够有效地探测变量之间的任何线性或非线性关系。 在深度学习中,MIC值广泛应用于特征选择过程。特征选择是为了提取和选择那些最具代表性的特征,从而提高模型性能和减少计算开销。通过计算变量之间的MIC值,我们可以评估其相关性的强度。如果两个变量具有较高的MIC值,则它们之间通常有较强的相关性,因此被认为是重要的特征。相反,如果MIC值接近于零,则可以认为两个变量之间没有显著的相关性,可以将其排除。 MIC值的计算是一个比较复杂的过程,通常需要使用专门的算法进行计算,例如MIC算法和阈值迭代算法。这些算法能够通过迭代计算来获得最佳的MIC值。 总之,MIC值是深度学习中用于衡量变量之间相关性的一种统计量,它能够帮助我们选择有效的特征,提高模型性能和减少计算开销。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值