Google का नया न्यूरल नेटवर्क लोकप्रिय एनालॉग्स की तुलना में काफी अधिक सटीक और तेज़ है

मानव दृश्य कॉर्टेक्स में जैविक प्रक्रियाओं से प्रेरित कन्वेन्शनल न्यूरल नेटवर्क (सीएनएन), वस्तु और चेहरे की पहचान जैसे कार्यों के लिए उपयुक्त हैं, लेकिन उनकी सटीकता में सुधार के लिए कठिन और बढ़िया ट्यूनिंग की आवश्यकता होती है। यही कारण है कि Google AI रिसर्च के वैज्ञानिक नए मॉडल की खोज कर रहे हैं जो CNN को "अधिक संरचित" तरीके से मापते हैं। उन्होंने अपने काम के नतीजे प्रकाशित किए लेख "एफिशिएंटनेट: कन्वेन्शनल न्यूरल नेटवर्क्स के लिए रीथिंकिंग मॉडल स्केलिंग," वैज्ञानिक पोर्टल Arxiv.org पर पोस्ट किया गया, साथ ही साथ प्रकाशन आपके ब्लॉग पर. सह-लेखकों का दावा है कि कृत्रिम बुद्धिमत्ता प्रणालियों का परिवार, जिसे एफिशिएंटनेट्स कहा जाता है, मानक सीएनएन की सटीकता से अधिक है और तंत्रिका नेटवर्क की दक्षता को 10 गुना तक बढ़ा देता है।

स्टाफ सॉफ्टवेयर इंजीनियर मिंगक्सिंग टैन और गूगल एआई के प्रमुख वैज्ञानिक क्वोक वी.ले ने लिखा, "मॉडल स्केलिंग का सामान्य अभ्यास सीएनएन की गहराई या चौड़ाई को मनमाने ढंग से बढ़ाना और प्रशिक्षण और मूल्यांकन के लिए इनपुट छवि के उच्च रिज़ॉल्यूशन का उपयोग करना है।" "पारंपरिक तरीकों के विपरीत, जो चौड़ाई, गहराई और इनपुट रिज़ॉल्यूशन जैसे मनमाने ढंग से नेटवर्क मापदंडों को मापते हैं, हमारी विधि स्केलिंग कारकों के एक निश्चित सेट के साथ प्रत्येक आयाम को समान रूप से मापती है।"

प्रदर्शन को और बेहतर बनाने के लिए, शोधकर्ता एक नए बैकबोन नेटवर्क, मोबाइल इनवर्टेड बॉटलनेक कन्वोल्यूशन (एमबीकॉन्व) का उपयोग करने की वकालत करते हैं, जो मॉडलों के एफिशिएंटनेट्स परिवार के लिए आधार के रूप में कार्य करता है।

परीक्षणों में, एफिशिएंटनेट्स ने मौजूदा सीएनएन की तुलना में उच्च सटीकता और बेहतर दक्षता दोनों का प्रदर्शन किया है, परिमाण के क्रम से पैरामीटर आकार और कम्प्यूटेशनल संसाधन आवश्यकताओं को कम किया है। मॉडलों में से एक, एफिशिएंटनेट-बी7, ने प्रसिद्ध सीएनएन जीपाइप की तुलना में 8,4 गुना छोटे आकार और 6,1 गुना बेहतर प्रदर्शन का प्रदर्शन किया, और परीक्षण में 84,4% और 97,1% सटीकता (टॉप-1 और टॉप-5) भी हासिल की। ​​50 परिणाम) इमेजनेट सेट. लोकप्रिय CNN ResNet-4 की तुलना में, एक अन्य EfficientNet मॉडल, EfficientNet-B82,6 ने समान संसाधनों का उपयोग करते हुए, ResNet-76,3 के लिए 50% के मुकाबले XNUMX% की सटीकता हासिल की।

EfficientNets मॉडल ने अन्य डेटासेट पर अच्छा प्रदर्शन किया, CIFAR-100 डेटासेट (91,7% सटीकता) और सहित आठ में से पांच बेंचमार्क पर उच्च सटीकता प्राप्त की। पुष्प (98,8%)।

टैन और ली लिखते हैं, "तंत्रिका मॉडल की दक्षता में महत्वपूर्ण सुधार प्रदान करके, हम उम्मीद करते हैं कि एफिशिएंटनेट्स में भविष्य के कंप्यूटर विज़न कार्यों के लिए एक नए ढांचे के रूप में काम करने की क्षमता है।"

Google के क्लाउड टेन्सर प्रोसेसिंग यूनिट्स (TPUs) के लिए स्रोत कोड और प्रशिक्षण स्क्रिप्ट निःशुल्क उपलब्ध हैं Github.

स्रोत: 3dnews.ru