We present ATC, a C++ library for advanced Tucker-based compression of multidimensional numerical data, based on the sequentially truncated higher-order singular value decomposition (ST-HOSVD) and bit plane truncation. Several techniques are proposed to improve compression rate, speed, memory usage and error control. First, a hybrid truncation scheme is described which combines Tucker rank truncation and TTHRESH quantization [Ballester-Ripoll et al., IEEE Trans. Visual. Comput. Graph., 2020]. We derive a novel expression to approximate the error of truncated Tucker decompositions in the case of core and factor perturbations. Furthermore, a Householder-reflector-based approach is proposed to compress the orthogonal Tucker factors. Certain key improvements to the quantization procedure are also discussed. Moreover, particular implementation aspects are described, such as ST-HOSVD procedure using only a single transposition. We also discuss several usability features of ATC, including the presence of multiple interfaces, extensive data type support and integrated downsampling of the decompressed data. Numerical results show that ATC maintains state-of-the-art Tucker compression rates, while providing average speed-ups of 2.6-3.6 and halving memory usage. Furthermore, our compressor provides precise error control, only deviating 1.4% from the requested error on average. Finally, ATC often achieves significantly higher compression than non-Tucker-based compressors in the high-error domain.


翻译:我们展示了 ATC, C++ 高级基于塔克压缩多维数字数据的库, 其基础是按顺序排列的较高顺序单值分解( ST- HOSVD) 和比特平面分解。 我们提出了几种提高压缩率、 速度、 内存使用和错误控制的方法。 首先, 描述了一种混合脱轨办法, 将塔克排行和 TTTHRESH 量化( 巴列斯特- 里波尔等人, IEEEE Trans. Computural. graph. graph. 2020) 结合起来。 我们用一种新颖的表达方式, 近似了在核心和因素分解过程中调调的塔克调解位值( ST- HOSVD) 的错误。 此外, 我们用ATC 的多端位( 塔克) 域分解( ) 和因调和因因因因因调而出现的不均值差差差差差差的错误。 此外, 提供了大量基于家反序的内压( 方向) AS勒) 平流数据- 直压( 级( ) 平流压( ) 级( ) ) 级) 和( 直压) 直压( 直压( ) 平流压( ) 的) 直压( ) 的) 平流) 直压( ) 的) 的) 等数据- 直压( 直压( ) 的) 直径流压( 等数据- 的) 的), 直压- 直压- 直压- 直压- 直压( 直压( ) ) ( ) ) ) 等数据- 直压( ) ) 直压(直压(直压(直压( ) ) ) ) 直压(直压(直压(直压(直压( ) ) ) ) ) ) ) ) (直压(直压(直压(直压(直压(直压) ) ) ) ) ) (直压(直压(直压) )

0
下载
关闭预览

相关内容

iOS 8 提供的应用间和应用跟系统的功能交互特性。
  • Today (iOS and OS X): widgets for the Today view of Notification Center
  • Share (iOS and OS X): post content to web services or share content with others
  • Actions (iOS and OS X): app extensions to view or manipulate inside another app
  • Photo Editing (iOS): edit a photo or video in Apple's Photos app with extensions from a third-party apps
  • Finder Sync (OS X): remote file storage in the Finder with support for Finder content annotation
  • Storage Provider (iOS): an interface between files inside an app and other apps on a user's device
  • Custom Keyboard (iOS): system-wide alternative keyboards

Source: iOS 8 Extensions: Apple’s Plan for a Powerful App Ecosystem
Google-EfficientNet v2来了!更快,更小,更强!
专知会员服务
18+阅读 · 2021年4月4日
TensorFlowLite:端侧机器学习框架
专知会员服务
32+阅读 · 2020年8月27日
专知会员服务
161+阅读 · 2020年1月16日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
.NET Core 原生DI+AOP实现注解式编程
DotNet
8+阅读 · 2019年9月9日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Facebook PyText 在 Github 上开源了
AINLP
7+阅读 · 2018年12月14日
已删除
将门创投
4+阅读 · 2018年6月1日
笔记 | Sentiment Analysis
黑龙江大学自然语言处理实验室
10+阅读 · 2018年5月6日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
教程 | 如何通过PyTorch上手Tensor Comprehensions?
机器之心
5+阅读 · 2018年3月12日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年9月7日
Arxiv
0+阅读 · 2021年9月4日
Arxiv
25+阅读 · 2018年1月24日
VIP会员
相关资讯
.NET Core 原生DI+AOP实现注解式编程
DotNet
8+阅读 · 2019年9月9日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Facebook PyText 在 Github 上开源了
AINLP
7+阅读 · 2018年12月14日
已删除
将门创投
4+阅读 · 2018年6月1日
笔记 | Sentiment Analysis
黑龙江大学自然语言处理实验室
10+阅读 · 2018年5月6日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
教程 | 如何通过PyTorch上手Tensor Comprehensions?
机器之心
5+阅读 · 2018年3月12日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员