የጉግል አዲስ የነርቭ አውታረ መረብ ከታዋቂ አጋሮች የበለጠ ትክክለኛ እና ፈጣን ነው።

በሰው ልጅ የእይታ ኮርቴክስ ውስጥ በባዮሎጂካል ሂደቶች ተመስጦ ኮንቮሉሽናል ነርቭ ኔትወርኮች (ሲ.ኤን.ኤን.) እንደ ዕቃ እና የፊት ለይቶ ማወቅ ላሉ ተግባራት በጣም ተስማሚ ናቸው፣ ነገር ግን ትክክለኛነትን ማሻሻል አሰልቺ እና ጥሩ ማስተካከያ ይጠይቃል። ለዚያም ነው የጎግል AI ምርምር ሳይንቲስቶች ሲ ኤን ኤን "በይበልጥ በተደራጀ" መንገድ "ሚዛን" የሚያደርጉ አዳዲስ ሞዴሎችን እየፈለጉ ያሉት። ውስጥ የሥራቸውን ውጤት አሳትመዋል ጽሑፍ "EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks" በሳይንሳዊ ፖርታል Arxiv.org የተዘጋጀ፣ እንዲሁም በ ጽሑፎች በብሎግዎ ላይ. የኤፊሳይንትኔትስ ተብሎ የሚጠራው የአርቴፊሻል ኢንተለጀንስ ስርዓት ቤተሰብ ከመደበኛ የሲኤንኤን ትክክለኛነት በልጦ የነርቭ ኔትወርክን ውጤታማነት እስከ 10 እጥፍ እንደሚያሻሽል ተባባሪዎቹ ደራሲዎቹ ይናገራሉ።

"ሞዴሎችን ለመለካት የተለመደ አሰራር የዘፈቀደ የሲ ኤን ኤን ጥልቀት ወይም ስፋት መጨመር ነው, እንዲሁም ከፍተኛ ጥራት ያለውን የግብአት ምስል ለስልጠና እና ግምገማ መጠቀም ነው" በማለት የቤት ውስጥ ሶፍትዌር መሐንዲስ ሚንግሺንግ ታን እና የጎግል AI ሳይንቲስት መሪ ጻፉ. Quoc Li (Quoc V .le)። "እንደ ስፋት፣ ጥልቀት እና መጪ መፍትሄ ያሉ የአውታረ መረብ መለኪያዎች በዘፈቀደ ከሚመዘኑ ባህላዊ አቀራረቦች በተቃራኒ የእኛ ዘዴ እያንዳንዱን ልኬት በተመጣጣኝ የመለኪያ ምክንያቶች ስብስብ ይመዝናል።"

አፈፃፀሙን የበለጠ ለማሻሻል፣ ተመራማሪዎቹ ለኤፊሳይንትኔትስ የሞዴሎች ቤተሰብ መሰረት ሆኖ የሚያገለግለውን አዲስ የኮር ኔትወርክ፣ የሞባይል የተገለበጠ የቦሌክ ኮንቮሉሽን (MBConv) መጠቀምን ይደግፋሉ።

በፈተናዎች ውስጥ፣ EfficientNets ከሲኤንኤንዎች የበለጠ ትክክለኛነትን እና የተሻለ ቅልጥፍናን አሳይቷል፣ ይህም የመለኪያ መጠን እና የስሌት ሀብቶችን በቅደም ተከተል በመቀነስ። ከሞዴሎቹ አንዱ የሆነው EfficientNet-B7 ከታዋቂው CNN Gpipe በ 8,4 እጥፍ ያነሰ መጠን እና 6,1 ጊዜ የተሻለ አፈጻጸም አሳይቷል እንዲሁም 84,4% እና 97,1% ትክክለኛነትን (ከፍተኛ-1 እና ከፍተኛ-5 ውጤት) አሳይቷል ። ImageNet አዘጋጅ። ከታዋቂው CNN ResNet-50 ጋር ሲወዳደር ሌላው የEfficientNet ሞዴል EfficientNet-B4 ተመሳሳይ ሃብቶችን በመጠቀም ለResNet-82,6 የ76,3% ከ 50% ትክክለኛነት አሳይቷል።

የ EfficientNets ሞዴሎች CIFAR-100 (91,7% ትክክለኛነት) እና ከስምንት ሙከራዎች ውስጥ በአምስቱ ውስጥ ከፍተኛ ትክክለኛነትን በማሳየት በሌሎች የውሂብ ስብስቦች ላይ ጥሩ ሠርተዋል። አበቦች (98,8%).

ታን እና ሊ "በነርቭ ሞዴሎች አፈጻጸም ላይ ጉልህ ማሻሻያዎችን በማቅረብ፣ EfficientNets ለወደፊቱ የኮምፒዩተር እይታ ፈተናዎች እንደ አዲስ መሰረት ሆኖ እንዲያገለግል እንጠብቃለን።"

ለGoogle ክላውድ ተንሰር ማቀነባበሪያ ክፍሎች (TPUs) የምንጭ ኮድ እና አጋዥ ስክሪፕቶች በነጻ ይገኛሉ በ የፊልሙ.

ምንጭ: 3dnews.ru