大地资源在线观看视频在线观看,国产v片在线播放免费不卡,国产高清福利在线观看

趨勢丨設計的代價：深度學習已經接近計算極限

2020-07-27 16:49

前言：

關于深度學習，它正在快速接近其極限。雖然事實可能的確如此，但我們仍未能在日常生活中感受到全面部署深度學習的影響。

MIT：算力將探底，算法需改革

近日，MIT發(fā)出警告：深度學習正在接近現(xiàn)有芯片的算力極限，如果不變革算法，深度學習恐難再進步。

根據(jù)麻省理工學院，MIT－IBM Watson AI實驗室，Underwood國際學院和巴西利亞大學的研究人員在最近的研究中發(fā)現(xiàn)，持續(xù)不斷的進步將需要通過改變現(xiàn)有技術或通過尚未發(fā)現(xiàn)的新方法來更有效地使用深度學習方法。

目前深度學習的繁榮過度依賴算力的提升，在后摩爾定律時代可能遭遇發(fā)展瓶頸，在算法改進上還需多多努力。

AI芯天下丨趨勢丨設計的代價：深度學習已經接近計算極限

深度學習不是偶然的計算代價，而是設計的代價。共同的靈活性使它能夠出色地建模各種現(xiàn)象，并且性能優(yōu)于專家模型，這也使其在計算上的成本大大提高。

研究人員估計，三年的算法改進相當于計算能力提高10倍。總體而言，在深度學習的許多領域中，訓練模型的進步取決于所使用的計算能力的大幅度提高。另一種可能性是，要改善算法本身可能需要互補地提高計算能力。

在研究過程中，研究人員還對預測進行了推斷，以了解達到各種理論基準所需的計算能力以及相關的經濟和環(huán)境成本。

即使是最樂觀的計算，要降低ImageNet上的圖像分類錯誤率，也需要進行10的五次方以上的計算。

根據(jù)多項式和指數(shù)模型的預測，通過深度學習獲得相應性能基準所需的算力（以Gflops為單位），碳排放量和經濟成本，最樂觀的估計，ImageNet分類誤差要想達到1％，需要10＾28 Gflops的算力，這對硬件來說是不小的壓力。

AI芯天下丨趨勢丨設計的代價：深度學習已經接近計算極限

1 2 3 下一頁>

聲明： 本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權或其他問題，請聯(lián)系舉報。

共0條評論，0人參與

登錄登錄即可訪問所有OFweek服務

請輸入評論內容...

請輸入評論/評論長度6~500個字

暫無評論

圖片新聞