گوگل جو نئون نيورل نيٽ ورڪ مشهور اينالاگس کان گهڻو وڌيڪ صحيح ۽ تيز آهي

Convolutional neural networks (CNNs)، انساني بصري ڪارٽيڪس ۾ حياتياتي عملن کان متاثر ٿي، ڪمن لاءِ چڱيءَ طرح موزون آهن جهڙوڪ اعتراض ۽ منهن جي سڃاڻپ، پر انهن جي درستگي کي بهتر ڪرڻ لاءِ مشڪل ۽ سٺي ٽيوننگ جي ضرورت آهي. ان ڪري گوگل AI ريسرچ جا سائنسدان نوان ماڊل ڳولي رهيا آهن جيڪي CNN کي ”وڌيڪ منظم“ انداز ۾ ماپيندا آهن. انهن پنهنجي ڪم جا نتيجا شايع ڪيا مضمون "EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks،" پوسٽ ڪيل سائنسي پورٽل Arxiv.org تي، ۽ ان سان گڏ اشاعت توهان جي بلاگ تي. شريڪ ليکڪن دعويٰ ڪئي آهي ته مصنوعي ذهانت واري نظام جو خاندان، جنهن کي EfficientNets سڏيو ويندو آهي، معياري CNNs جي درستگي کان وڌيڪ آهي ۽ نيورل نيٽ ورڪ جي ڪارڪردگي کي 10 ڀيرا وڌائي ٿو.

"اسڪيلنگ ماڊلز جو عام رواج CNN جي کوٽائي يا چوٽي کي بي ترتيبي سان وڌائڻ، ۽ تربيت ۽ تشخيص لاءِ ان پٽ تصوير جي اعليٰ ريزوليوشن کي استعمال ڪرڻ آهي،" اسٽاف سافٽ ويئر انجنيئر Mingxing Tan ۽ Google AI جي اڳواڻي سائنسدان Quoc V.Le لکي ٿو. "روايتي طريقن جي برعڪس جيڪي نيٽ ورڪ پيرا ميٽرز کي پاڻمرادو اسڪيل ڪن ٿا جهڙوڪ چوٿون، کوٽائي، ۽ ان پٽ ريزوليوشن، اسان جو طريقو هڪجهڙائي سان هر طول و عرض کي اسڪيلنگ فيڪٽرز جي هڪ مقرر سيٽ سان ماپ ڪري ٿو."

ڪارڪردگي کي وڌيڪ بهتر بڻائڻ لاءِ، محقق هڪ نئون ريبون نيٽ ورڪ استعمال ڪرڻ جي حامي ڪن ٿا، موبائل انٽريٽ بٽلينيڪ ڪنوليشن (MBConv)، جيڪو ڪم ڪري ٿو EfficientNets فيملي آف ماڊل لاءِ بنياد.

ٽيسٽن ۾، EfficientNets ٻنهي اعليٰ درستگی ۽ بهتر ڪارڪردگيءَ جو مظاهرو ڪيو آهي موجوده CNNs جي ڀيٽ ۾، ماپيٽر جي سائيز کي گھٽائڻ ۽ ڪمپيوٽيشنل وسيلن جي گهرج جي ترتيب سان. هڪ ماڊل، EfficientNet-B7، مشهور CNN Gpipe کان 8,4 ڀيرا ننڍي سائيز ۽ 6,1 ڀيرا بهتر ڪارڪردگي جو مظاهرو ڪيو، ۽ پڻ 84,4٪ ۽ 97,1٪ درستگي حاصل ڪئي (Top-1 ۽ Top-5. 50 نتيجا) تي جاچ ۾. ImageNet سيٽ. مشهور CNN ResNet-4 جي مقابلي ۾، ٻيو EfficientNet ماڊل، EfficientNet-B82,6، ساڳيا وسيلا استعمال ڪندي، ResNet-76,3 لاءِ 50٪ جي مقابلي ۾ XNUMX٪ جي درستگي حاصل ڪئي.

EfficientNets ماڊل ٻين ڊيٽا سيٽن تي سٺي ڪارڪردگي ڏيکاري، پنجن مان اٺن معيارن تي اعليٰ درستگي حاصل ڪري، بشمول CIFAR-100 ڊيٽا سيٽ (91,7% درستگي) ۽ گلن جي (98,8٪).

"نيرل ماڊلز جي ڪارڪردگي ۾ اهم واڌارو مهيا ڪرڻ سان، اسان اميد رکون ٿا ته EfficientNets مستقبل جي ڪمپيوٽر ويزن جي ڪمن لاءِ نئين فريم ورڪ جي طور تي ڪم ڪرڻ جي صلاحيت رکي ٿو،" تان ۽ لي لکي ٿو.

گوگل جي ڪلائوڊ ٽينسر پروسيسنگ يونٽس (TPUs) لاءِ ماخذ ڪوڊ ۽ ٽريننگ اسڪرپٽ مفت ۾ دستياب آهن GitHub.

جو ذريعو: 3dnews.ru