Tha lìonraidhean neural convolutional (CNNn), air am brosnachadh le pròiseasan bith-eòlasach ann an cortex lèirsinneach daonna, gu math freagarrach airson gnìomhan leithid aithneachadh nithean is aghaidh, ach tha leasachadh an cruinneas feumach air tedious agus gleusadh. Sin as coireach gu bheil luchd-saidheans aig Google AI Research a’ sgrùdadh mhodalan ùra a bhios a’ sgèile CNNn ann an dòigh “nas structaraichte”. Dh’fhoillsich iad toraidhean an cuid obrach ann an “EfficientNet: Ath-bheachdachadh air Sgèile Modail airson Lìonraidhean Neural Convolutional,” air a phostadh air an portal saidheansail Arxiv.org, a bharrachd air ann an air do bhlog. Tha na co-ùghdaran ag agairt gu bheil an teaghlach de shiostaman inntleachd fuadain, ris an canar EfficientNets, a’ dol thairis air neo-mhearachdachd CNNn àbhaisteach agus a’ meudachadh èifeachdas lìonra neural suas ri 10 tursan.
“Is e an cleachdadh cumanta de mhodalan sgèileachaidh a bhith ag àrdachadh doimhneachd no leud an CNN gu neo-riaghailteach, agus a’ cleachdadh rùn nas àirde den ìomhaigh cuir a-steach airson trèanadh agus measadh," sgrìobh innleadair bathar-bog luchd-obrach Mingxing Tan agus prìomh neach-saidheans Google AI Quoc V .Le). “Eu-coltach ri dòighean-obrach traidiseanta a bhios a’ sgèile crìochan lìonra gu neo-riaghailteach leithid leud, doimhneachd, agus rùn cuir a-steach, bidh an dòigh-obrach againn a ’sgèileadh gach taobh gu co-ionnan le seata stèidhichte de fhactaran sgèile."
Gus tuilleadh leasachaidh a dhèanamh air coileanadh, tha an luchd-rannsachaidh a’ tagradh a bhith a’ cleachdadh lìonra cnàimh-droma ùr, convolution botail inverted gluasadach (MBConv), a tha mar bhunait airson teaghlach mhodalan EfficientNets.
Ann an deuchainnean, tha EfficientNets air an dà chuid cruinneas nas àirde agus èifeachdas nas fheàrr a nochdadh na CNNn a th’ ann mar-thà, a’ lughdachadh meud paramadair agus riatanasan ghoireasan coimpiutaireachd a rèir meud. Sheall aon de na modailean, EfficientNet-B7, meud 8,4 tursan nas lugha agus coileanadh 6,1 uair nas fheàrr na am pìob ainmeil CNN Gip, agus choilean e cuideachd cruinneas 84,4% agus 97,1% (Top-1 agus Top-5). an seata ImageNet. An coimeas ris an CNN ResNet-50 mòr-chòrdte, choilean modal EfficientNet eile, EfficientNet-B4, a’ cleachdadh goireasan coltach ris, cruinneas de 82,6% an coimeas ri 76,3% airson ResNet-50.
Choilean modalan EfficientNets gu math air stòran-dàta eile, a’ coileanadh fìor chruinneas air còig de ochd slatan-tomhais, a’ toirt a-steach seata-dàta CIFAR-100 (cruinneas 91,7%) agus (98,8%).
“Le bhith a’ toirt seachad leasachaidhean mòra ann an èifeachdas mhodalan neural, tha sinn an dùil gum bi comas aig EfficientNets a bhith na fhrèam ùr airson gnìomhan lèirsinn coimpiutair san àm ri teachd, ”sgrìobh Tan agus Li.
Tha còd stòr agus sgriobtaichean trèanaidh airson Aonadan Pròiseas Tensor Cloud Google (TPUn) rim faighinn gu saor air .
Source: 3d naidheachdan.ru