Google 開發 EfficientNet 提升卷積神經網路效率

人工智能的運作模式有很多種,其中卷積神經網路(Convolutional Neural Network, CNN)是一個由人類視覺神經系統所啓發的技術,用於物件和人臉辨識方面。最近 Google 就推出一個新的技術,提升其辨識準確度和效率。

Google 在 Arviv.org 新公佈的論文中提及他們名爲 EfficientNet 的新型 CNN 技術,軟件工程師 Mingxing Tan 和 Google AI 首席科學家 Quoc V. Le 表示,改變模型規模的傳統做法是任意增加 CNN 深度或寬度,或者使用更大的輸入圖像分辨率進行訓練和評估,而他們的技術與任意縮放網絡維度的傳統方法(如寬度,深度和分辨率)不同,是使用一組固定的縮放系數統一縮放每個維度。他們進行網格搜索以識別基線網絡在固定資源約束下,不同縮放維度之間的關係(例如,兩倍以上的浮點計算或 FLOPS),以此確定每個維度的適當縮放系數,並且應用這些系數將基線網絡擴展到所需的模型規模或運算預算。

在測試中,EfficientNet 的準確度和效率都被傳統 CNN 要好,大幅減少參數大小和 FLOPS。這個技術對於大型的模型運算而言,可以顯著改善運算速度,令現有裝置可以更有效率地處理相關作業。目前其原始碼和訓練素材都已經上載於 GitHub 上,可以用於 Google 的雲端 TPU 中。

來源: