【20170324】课堂评审意见整理1

在本次的课堂评审中，主要讨论了基于Torch平台的神经网络压缩研究与应用的项目。Torch是一个用于科学计算的软件包，尤其适合机器学习算法的开发，它以其灵活性、易编码和高效的算法实现而受到青睐。项目团队成员包括陈伟民、付强、李恬霖和曹进，他们的任务是重新编写需求规格说明书和测试需求规格说明书，对Torch进行模块化测试，并在此基础上探索神经网络模型的压缩，以降低计算量和资源消耗。 评审过程中提出了一些关键问题和处理意见： 1. 关于Torch平台使用的导入包，项目组回应Torch是一个开源生态，遵循“谁使用谁维护”的原则。他们会利用一些成熟开源工具包，但会对与压缩神经网络相关的部分进行定制化修改，以适应项目需求。 2. 需求中的测试网络被理解为课程中的测试环节，项目组澄清这实际上是针对Torch平台本身的测试，旨在满足用户对平台使用的期望。 3. 对于未来可能出现的问题，项目组预见到发现和修复平台代码bug的挑战。他们的目标是优化Torch构建和运行神经网络的时间和空间效率。 4. 刘超教授提出了建议，认为项目应该更关注展现Torch平台的优缺点，而非仅仅局限于展示其基本功能。这意味着项目组需要深入分析Torch的性能特性，并找出改进点。 从这个评审中，我们可以提炼出以下几个重要的知识点： 1. **Torch平台**：Torch是一个开放源码的科学计算框架，特别适合机器学习算法的实现。它提供了类似Matlab的编程体验，允许开发者灵活地构建和调整神经网络模型。 2. **神经网络压缩**：项目的核心目标是压缩神经网络，减少计算需求和资源占用。这是深度学习领域的一个重要研究方向，旨在提高模型的部署效率，特别是在资源有限的设备上。 3. **需求规格说明书**：项目组需要重新编写需求规格说明书，这是软件工程中必不可少的文档，用于明确系统应实现的功能和性能指标。 4. **模块化测试**：为了确保Torch平台的质量，团队计划进行模块化测试，这是一种将系统分解为可独立测试的单元的方法，有助于定位和修复问题。 5. **测试需求规格说明书**：此文档定义了测试过程中的具体需求，包括测试的目标、范围、方法和标准，为验证平台是否满足用户需求提供指导。 6. **问题预见与解决**：在项目实施中，团队预计到代码bug的查找和修复可能具有挑战性，因此他们需要采取策略来优化平台性能，以达成效率目标。 7. **评审反馈**：刘超教授的建议提醒项目组，不仅要关注技术实现，还需深入挖掘Torch的性能特点，展示其优势和潜在改进点，这对于项目的成功至关重要。 以上是评审会议的主要内容和涉及的知识点，项目团队需要结合这些反馈进一步完善他们的研究计划，确保在神经网络压缩领域做出有价值的贡献。