ഗൂഗിളിന്റെ പുതിയ ന്യൂറൽ നെറ്റ്‌വർക്ക് ജനപ്രിയ അനലോഗുകളേക്കാൾ വളരെ കൃത്യവും വേഗതയേറിയതുമാണ്

മാനുഷിക വിഷ്വൽ കോർട്ടക്സിലെ ജൈവ പ്രക്രിയകളിൽ നിന്ന് പ്രചോദനം ഉൾക്കൊണ്ടുള്ള കൺവല്യൂഷണൽ ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ (CNN) ഒബ്‌ജക്‌റ്റും മുഖവും തിരിച്ചറിയൽ പോലുള്ള ജോലികൾക്ക് അനുയോജ്യമാണ്, എന്നാൽ അവയുടെ കൃത്യത മെച്ചപ്പെടുത്തുന്നതിന് മടുപ്പിക്കുന്നതും മികച്ചതുമായ ട്യൂണിംഗ് ആവശ്യമാണ്. അതുകൊണ്ടാണ് ഗൂഗിൾ എഐ റിസർച്ചിലെ ശാസ്ത്രജ്ഞർ "കൂടുതൽ ഘടനാപരമായ" രീതിയിൽ CNN-കളെ അളക്കുന്ന പുതിയ മോഡലുകൾ പര്യവേക്ഷണം ചെയ്യുന്നത്. അവരുടെ ജോലിയുടെ ഫലങ്ങൾ അവർ പ്രസിദ്ധീകരിച്ചു ലേഖനം "EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks," Arxiv.org എന്ന സയന്റിഫിക് പോർട്ടലിൽ പോസ്‌റ്റ് ചെയ്‌തു. പ്രസിദ്ധീകരണങ്ങൾ നിങ്ങളുടെ ബ്ലോഗിൽ. എഫിഷ്യന്റ് നെറ്റ്‌സ് എന്ന് വിളിക്കുന്ന ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സിസ്റ്റങ്ങളുടെ കുടുംബം സ്റ്റാൻഡേർഡ് CNN-കളുടെ കൃത്യതയെ കവിയുകയും ഒരു ന്യൂറൽ നെറ്റ്‌വർക്കിന്റെ കാര്യക്ഷമത 10 മടങ്ങ് വരെ വർദ്ധിപ്പിക്കുകയും ചെയ്യുന്നുവെന്ന് സഹ-രചയിതാക്കൾ അവകാശപ്പെടുന്നു.

"സിഎൻഎന്റെ ആഴമോ വീതിയോ ഏകപക്ഷീയമായി വർദ്ധിപ്പിക്കുകയും പരിശീലനത്തിനും മൂല്യനിർണ്ണയത്തിനും ഇൻപുട്ട് ഇമേജിന്റെ ഉയർന്ന റെസല്യൂഷൻ ഉപയോഗിക്കുകയും ചെയ്യുക എന്നതാണ് സ്കെയിലിംഗ് മോഡലുകളുടെ പൊതുവായ രീതി" എന്ന് സ്റ്റാഫ് സോഫ്റ്റ്‌വെയർ എഞ്ചിനീയർ മിംഗ്‌സിംഗ് ടാനും ഗൂഗിൾ എഐ ലീഡ് സയന്റിസ്റ്റ് ക്വോക് വി .ലെയും എഴുതുന്നു. "വീതി, ആഴം, ഇൻപുട്ട് റെസല്യൂഷൻ എന്നിങ്ങനെയുള്ള നെറ്റ്‌വർക്ക് പാരാമീറ്ററുകൾ ഏകപക്ഷീയമായി സ്കെയിൽ ചെയ്യുന്ന പരമ്പരാഗത സമീപനങ്ങളിൽ നിന്ന് വ്യത്യസ്തമായി, ഞങ്ങളുടെ രീതി ഓരോ അളവും ഒരു നിശ്ചിത സ്കെയിലിംഗ് ഘടകങ്ങളുമായി ഏകീകൃതമായി അളക്കുന്നു."

പ്രകടനം കൂടുതൽ മെച്ചപ്പെടുത്തുന്നതിന്, ഗവേഷകർ ഒരു പുതിയ നട്ടെല്ല് നെറ്റ്‌വർക്ക് ഉപയോഗിക്കുന്നതിന് വാദിക്കുന്നു, മൊബൈൽ ഇൻവെർട്ടഡ് ബോട്ടിൽനെക്ക് കൺവ്യൂഷൻ (MBConv), ഇത് എഫിഷ്യന്റ് നെറ്റ്‌സ് കുടുംബ മോഡലുകളുടെ അടിസ്ഥാനമായി വർത്തിക്കുന്നു.

ടെസ്റ്റുകളിൽ, നിലവിലുള്ള CNN-കളേക്കാൾ ഉയർന്ന കൃത്യതയും മികച്ച കാര്യക്ഷമതയും EfficientNets പ്രകടമാക്കി, പാരാമീറ്റർ വലുപ്പവും കമ്പ്യൂട്ടേഷണൽ റിസോഴ്സ് ആവശ്യകതകളും ഒരു ക്രമത്തിൽ കുറയ്ക്കുന്നു. മോഡലുകളിലൊന്നായ EfficentNet-B7, പ്രസിദ്ധമായ CNN Gpipe-നേക്കാൾ 8,4 മടങ്ങ് ചെറുതും 6,1 മടങ്ങ് മികച്ച പ്രകടനവും പ്രകടമാക്കി, കൂടാതെ പരിശോധനയിൽ 84,4%, 97,1% കൃത്യത (Top-1 ഉം Top-5 ഉം) കൈവരിച്ചു. 50 ഫലം. ഇമേജ് നെറ്റ് സെറ്റ്. ജനപ്രിയമായ CNN ResNet-4 നെ അപേക്ഷിച്ച്, സമാനമായ ഉറവിടങ്ങൾ ഉപയോഗിച്ച് മറ്റൊരു EfficentNet മോഡലായ EfficentNet-B82,6, ResNet-76,3-ന് 50% എന്നതിൽ നിന്ന് XNUMX% കൃത്യത കൈവരിച്ചു.

EfficientNets മോഡലുകൾ മറ്റ് ഡാറ്റാസെറ്റുകളിൽ മികച്ച പ്രകടനം കാഴ്ചവച്ചു, CIFAR-100 ഡാറ്റാസെറ്റ് (91,7% കൃത്യത) കൂടാതെ എട്ട് ബെഞ്ച്മാർക്കുകളിൽ അഞ്ചെണ്ണത്തിലും ഉയർന്ന കൃത്യത കൈവരിക്കുന്നു. പൂക്കൾ (98,8%).

"ന്യൂറൽ മോഡലുകളുടെ കാര്യക്ഷമതയിൽ കാര്യമായ മെച്ചപ്പെടുത്തലുകൾ നൽകുന്നതിലൂടെ, ഭാവിയിലെ കമ്പ്യൂട്ടർ വിഷൻ ടാസ്‌ക്കുകൾക്കായി ഒരു പുതിയ ചട്ടക്കൂടായി പ്രവർത്തിക്കാൻ എഫിഷ്യന്റ് നെറ്റ്‌സിന് കഴിയുമെന്ന് ഞങ്ങൾ പ്രതീക്ഷിക്കുന്നു," ടാനും ലിയും എഴുതുന്നു.

ഗൂഗിളിന്റെ ക്ലൗഡ് ടെൻസർ പ്രോസസ്സിംഗ് യൂണിറ്റുകളുടെ (ടിപിയു) സോഴ്സ് കോഡും പരിശീലന സ്ക്രിപ്റ്റുകളും സൗജന്യമായി ലഭ്യമാണ് സാമൂഹികം.

അവലംബം: 3dnews.ru