WAP手机版 RSS订阅 加入收藏  设为首页
99真人
当前位置:首页 > 99真人

99真人:一个全面的元学习系统可能需要大量的数据来支持

时间:2022/1/14 10:30:02  作者:  来源:  浏览:51  评论:0
内容摘要:面对不断上升的经济和环境成本,深度学习领域迫切需要在计算复杂度可控的前提下提高性能的方法。研究人员对此做了很多研究。一种策略是使用专为深度学习设计的处理器。在过去的10年里,cpu已经被gpu、现场可编程门阵列和特定程序的集成电路所取代。这些方法以牺牲通用性为代价提高了专门化的效率,并面临收益递减的问题。从长远来看,我...
面对不断上升的经济和环境成本,深度学习领域迫切需要在计算复杂度可控的前提下提高性能的方法。研究人员对此做了很多研究。

一种策略是使用专为深度学习设计的处理器。在过去的10年里,cpu已经被gpu、现场可编程门阵列和特定程序的集成电路所取代。这些方法以牺牲通用性为代价提高了专门化的效率,并面临收益递减的问题。从长远来看,我们可能需要全新的硬件框架。另一种减少计算负担的策略是使用更小的神经网络。这种策略降低了每次使用的成本,但通常会增加培训成本。如何权衡这两者取决于具体情况。例如,被广泛使用的模型应该优先考虑巨大的使用成本,而需要持续培训的模型应该优先考虑培训成本。元学习有望降低深度学习培训成本99真人。其思想是,一个系统的学习成果可以应用到多个领域。例如,与其建立单独的系统来识别狗、猫和汽车,不如训练一个识别系统并多次使用它。然而,研究发现,一旦原始数据与实际应用场景稍有不同,元学习系统的性能就会严重下降。因此,一个全面的元学习系统可能需要大量的数据来支持。

一些未被发现或被低估的机器学习类型也可能减少计算。例如,基于专家见解的机器学习系统效率更高,但如果专家不能辨别出所有的影响因素,这种系统就无法与深度学习系统竞争。像神经符号这样仍处于开发阶段的技术,有望更好地将人类专家的知识与神经网络的推理能力结合起来。正如Rosenblatt在早期的神经网络中感受到的困境一样,今天的深度学习研究人员也开始面临计算工具的限制。在经济和环境压力下,如果我们不能改变深度学习的完成方式,我们就必须面对这个领域缓慢发展的未来。我们期待一种算法或硬件的突破,将允许灵活和强大的深度学习模型继续进化,并成为我们可用的。

本类更新

本类推荐

本类排行

本站所有站内信息仅供娱乐参考,不作任何商业用途,不以营利为目的,专注分享快乐,欢迎收藏本站!
所有信息均来自:百度一下 (99真人)
粤icp备11014013号-2