Netwọk akwara ozi Google ọhụrụ bụ nke ziri ezi na ngwa ngwa karịa analogues ndị ama ama

Netwọk neural convolutional (CNNs), nke sitere na usoro ndu na cortex visual mmadụ, dabara nke ọma maka ọrụ dị ka njirimara ihe na ihu, mana imeziwanye izi ezi ha chọrọ nlegharị anya na-agwụ ike na nke ọma. Ọ bụ ya mere ndị ọkà mmụta sayensị na Google AI Research ji na-enyocha ụdị ọhụrụ na-atụle CNN n'ụzọ "ahaziri karịa". Ha bipụtara nsonaazụ ọrụ ha na ederede "EfficientNet: Ichegharị Model Scaling for Convolutional Neural Networks," ezigara na Portal sayensị Arxiv.org, yana na akwụkwọ na blọọgụ gị. Ndị na-edekọ akwụkwọ na-ekwu na ezinụlọ nke sistemụ ọgụgụ isi mmadụ, nke a na-akpọ EfficientNets, karịrị izi ezi nke CNN ọkọlọtọ wee na-abawanye arụmọrụ nke netwọkụ akwara ihe ruru ugboro iri.

"Omume a na-emekarị nke ụdị scaling bụ iji aka ike na-abawanye omimi ma ọ bụ obosara nke CNN, ma jiri mkpebi dị elu nke ihe oyiyi ntinye maka ọzụzụ na nyocha," dee onye ọrụ ngwanrọ software Mingxing Tan na Google AI ndú ọkà mmụta sayensị Quoc V .Le). "N'adịghị ka usoro ọdịnala nke na-eme ka netwọọdụ netwọkụ dị ka obosara, omimi, na mkpebi ntinye, usoro anyị na-eji otu ihe na-eme ka ọ bụrụ nha nha nha ọ bụla."

Iji nwetakwuo arụmọrụ, ndị nyocha ahụ na-akwado iji netwọk azụ azụ ọhụrụ, mgbagha ọkpọ ọkpọ mkpanaka (MBConv), nke na-eje ozi dị ka ntọala maka ụdị EfficientNets ezinụlọ.

N'ule ule, EfficientNets egosila ma izi ezi dị elu yana arụmọrụ ka mma karịa CNN ndị dị, na-ebelata nha nha na ihe akụrụngwa chọrọ site n'usoro dị ukwuu. Otu n'ime ụdị ahụ, EfficientNet-B7, gosipụtara ugboro 8,4 pere mpe yana ịrụ ọrụ ugboro 6,1 ka mma karịa CNN Gpipe ama ama, wee nwetakwa 84,4% na 97,1% ziri ezi (Top-1 na Top-5). 50 nsonaazụ) na nnwale. Ntọala ImageNet. Tụnyere CNN ResNet-4 na-ewu ewu, ụdị EfficientNet ọzọ, EfficientNet-B82,6, na-eji akụrụngwa ndị yiri ya, nwetara izi ezi nke 76,3% karịa 50% maka ResNet-XNUMX.

EfficientNets ụdị rụrụ nke ọma na datasets ndị ọzọ, na-enweta izi ezi dị elu na ise n'ime akara asatọ, gụnyere dataset CIFAR-100 (91,7% ziri ezi) na okooko osisi (98,8%).

"Site n'inye ọganihu dị ịrịba ama na arụmọrụ nke ụdị neural, anyị na-atụ anya na EfficientNets nwere ike ịrụ ọrụ dị ka usoro ọhụrụ maka ọrụ ọhụụ kọmputa n'ọdịnihu," Tan na Li dere.

Koodu isi mmalite na edemede ọzụzụ maka ngalaba njikwa igwe Tensor nke Google (TPUs) dị n'efu na Github.

isi: 3dnews.ru