Yue Huai rangée à partir du bas de LZYY
Qubit produit | Numéro public QbitAI
L'année dernière, l'équipe a publié le cerveau Google architecture réseau de neurones pour rechercher automatiquement (NAS). Cette méthode est théoriquement meilleure, la conception automatisée de l'architecture réseau de neurones.
Bien que le NAS bien performé, mais devra passer beaucoup de ressources informatiques. Durée, GPU 450 pourrait avoir besoin de courir jusqu'à 4 jours, environ une consommation GPU 32400-43200 heures.
Une fois que l'investissement ne suffit pas, vous ne serez pas obtenir les résultats souhaités.
Il est évident que le gros bétail ne vont pas rester les bras croisés. Un an plus tard, l'équipe Google cerveau a publié leurs derniers résultats de recherche: ENAS, le nom complet est: efficace Neural architecture Search.
L'équipe de Google cerveau a constaté que le goulot d'étranglement de calcul de convergence sous-modèle de formation NAS, seule une mesure de précision et perdu tous les poids formés.
Les dernières recherches, est de forcer tous les sous-modèles poids d'actions, afin d'améliorer l'efficacité du NAS. La complexité de cette méthode est que le poids de chaque sous-modèle est ré-utiliser les mêmes.
Finalement, l'équipe de Google a réussi dans le cerveau. Après avoir utilisé la nouvelle méthode, seulement une carte graphique NVIDIA GTX 1080Ti, l'architecture peut se faire dans les 16 heures à la recherche de.
En comparaison avec le NAS, la consommation de temps de GPU réduite de plus de 1000 fois.
Cet article vient de soumettre à la publication arXiv. Les auteurs sont: Hieu Pham, Melody Y. Guan, Barret Zoph, V. Le Quôc, Jeff Dean.
Si vous êtes intéressé par les détails du document, le portail ici:
https://arxiv.org/abs/1802.03268
En outre, IPSC 2018 Assemblée générale a reçu le document, il y a des études considérées une direction similaire. De même, si vous êtes intéressé, s'il vous plaît accepter ce portail de membres de l'équipe Google @hardmaru du cerveau à part:
https://openreview.net/forum?id=rydeCEhs-
https://openreview.net/forum?id=BJQRKzbA-
- FIN -
recrutement sincère
Qubits recrutent éditeur / journaliste, basé à Zhongguancun de Beijing. Nous attendons de talent, des étudiants enthousiastes de nous rejoindre! Détails, s'il vous plaît interface de dialogue qubit numéro public (QbitAI), réponse mot "recrutement".
Qubit QbitAI · manchettes sur la signature de
' « suivre les nouvelles technologies AI dynamiques et de produits
