Google-ის ახალი ნერვული ქსელი მნიშვნელოვნად უფრო ზუსტი და სწრაფია, ვიდრე პოპულარული ანალოგები

კონვოლუციური ნერვული ქსელები (CNN), შთაგონებული ბიოლოგიური პროცესებით ადამიანის ვიზუალურ ქერქში, კარგად შეეფერება ისეთი ამოცანების შესრულებას, როგორიცაა ობიექტებისა და სახის ამოცნობა, მაგრამ მათი სიზუსტის გაუმჯობესება მოითხოვს დამღლელი და დახვეწილი რეგულირებას. სწორედ ამიტომ, Google AI Research-ის მეცნიერები იკვლევენ ახალ მოდელებს, რომლებიც ადიდებენ CNN-ებს „უფრო სტრუქტურირებული“ გზით. მათ თავიანთი მუშაობის შედეგები გამოაქვეყნეს ქ მუხლი „EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks“ გამოქვეყნებულია სამეცნიერო პორტალზე Arxiv.org, ასევე განთავსების თქვენს ბლოგზე. თანაავტორები ამტკიცებენ, რომ ხელოვნური ინტელექტის სისტემების ოჯახი, სახელწოდებით EfficientNets, აღემატება სტანდარტული CNN-ების სიზუსტეს და ზრდის ნერვული ქსელის ეფექტურობას 10-ჯერ.

„მოდელების სკალირების ჩვეულებრივი პრაქტიკაა CNN-ის სიღრმის ან სიგანის თვითნებურად გაზრდა და შეყვანის გამოსახულების უფრო მაღალი გარჩევადობის გამოყენება ტრენინგისა და შეფასებისთვის“, წერენ პერსონალის პროგრამული უზრუნველყოფის ინჟინერი Mingxing Tan და Google AI წამყვანი მეცნიერი Quoc V .Le). „ტრადიციული მიდგომებისგან განსხვავებით, რომლებიც თვითნებურად ადიდებენ ქსელის პარამეტრებს, როგორიცაა სიგანე, სიღრმე და შეყვანის გარჩევადობა, ჩვენი მეთოდი ერთნაირად ადიდებს თითოეულ განზომილებას სკალირების ფაქტორების ფიქსირებული ნაკრებით“.

მუშაობის შემდგომი გაუმჯობესების მიზნით, მკვლევარები მხარს უჭერენ ახალი საყრდენი ქსელის გამოყენებას, მობილური ინვერსიული ბოთლის კონვოლუციას (MBConv), რომელიც ემსახურება EfficientNets-ის მოდელების ოჯახის საფუძველს.

ტესტებში EfficientNets-მა აჩვენა როგორც უფრო მაღალი სიზუსტე, ასევე უკეთესი ეფექტურობა, ვიდრე არსებული CNN-ები, ამცირებს პარამეტრის ზომას და გამოთვლითი რესურსების მოთხოვნებს სიდიდის რიგითობით. ერთ-ერთმა მოდელმა, EfficientNet-B7, აჩვენა 8,4-ჯერ უფრო მცირე ზომა და 6,1-ჯერ უკეთესი შესრულება, ვიდრე ცნობილი CNN Gpipe, ასევე მიაღწია 84,4% და 97,1% სიზუსტეს (Top-1 და Top-5). 50 შედეგი) ტესტირებისას. ImageNet ნაკრები. პოპულარულ CNN ResNet-4-თან შედარებით, EfficientNet-ის სხვა მოდელმა, EfficientNet-B82,6, მსგავსი რესურსების გამოყენებით, მიაღწია სიზუსტეს 76,3% ResNet-50-ის XNUMX%-ის წინააღმდეგ.

EfficientNets-ის მოდელები კარგად მუშაობდნენ სხვა მონაცემთა ნაკრებებზე, მიაღწიეს მაღალ სიზუსტეს რვა ნიშნიდან ხუთში, მათ შორის CIFAR-100 მონაცემთა ბაზაში (91,7% სიზუსტე) და ყვავილები (98,8%).

„ნერვული მოდელების ეფექტურობის მნიშვნელოვანი გაუმჯობესებით, ჩვენ ველით, რომ EfficientNets-ს აქვს პოტენციალი, გახდეს ახალი ჩარჩო მომავალი კომპიუტერული ხედვის ამოცანებისთვის“, წერენ ტან და ლი.

Google-ის ღრუბლოვანი Tensor Processing Unit-ების (TPU) წყაროს კოდი და სასწავლო სკრიპტები თავისუფლად ხელმისაწვდომია Github.

წყარო: 3dnews.ru