相关阅读
(资料图片)
旧金山:来自(FAIR)的一个团队开发了一个名为“RegNet”的新型低维设计空间,它比传统的可用模型(如from)性能更好,在gpu上运行速度快五倍。
研究人员在一篇题为《设计网络设计空间;在预印库ArXiv上发布。研究人员的目标是“可解释性和发现描述网络的一般设计原则,这些设计原则简单、工作良好,并适用于各种环境”。人工智能团队与EfficientNet进行了对照比较,没有增加训练时间,并且采用了相同的训练设置。谷歌的EfficientNet于2019年推出,它结合了NAS和模型缩放规则,代表了当前的SOTA。通过类似的训练设置和失败,RegNet模型比有效网模型表现得更好,同时在gpu上的速度提高了5倍。
该团队没有设计和开发单独的网络,而是专注于设计实际的网络设计空间,这些网络设计空间包含大量的、可能是无限数量的模型架构。利用误差经验分布函数(EDF)对设计空间质量进行分析。对RegNet设计空间的分析还为研究人员提供了关于网络设计的其他意外见解。例如,他们注意到,最佳模型的深度在20块(60层)的计算区域内是稳定的。虽然现代移动网络使用倒瓶颈很常见,但研究人员注意到,使用倒瓶颈会降低性能。
最好的模型既不使用瓶颈,也不使用反向瓶颈。Facebook的人工智能研究团队最近开发了一种工具,可以欺骗用户在视频中错误地识别一个人。这种“去识别”系统也适用于视频直播,它利用机器学习来改变视频中某个对象的关键面部特征。广交会通过与社会各界的公开合作,通过基础研究和应用研究,推动人工智能的发展。这家社交网络巨头于2014年创建了Facebook人工智能研究(FAIR)小组,旨在通过公开研究促进所有人的利益,提升人工智能的艺术水平。从那时起,FAIR已经发展成为一个国际研究组织,在门洛帕克、纽约、巴黎、蒙特利尔、特拉维夫、西雅图、匹兹堡和伦敦都有实验室。
相关阅读
2023-02-02
2023-02-02
2023-02-02
2023-02-02
2023-02-02
2023-02-01
2023-02-01
2023-02-01
2023-02-01
2023-02-01
2021-12-02
2021-12-02
2021-12-02
2021-12-02