百科问答小站 logo
百科问答小站 font logo



如何评价Hinton在加拿大多伦多大学关于用“capsule”作为下一代CNN的演讲? 第1页

  

user avatar   zhangshujia 网友的相关建议: 
      

关于HBM推广的;线性权重变矢量,要加维度,直接就把内存带宽顶上去了,在PIM出现以前,HBM大概是唯一选择;Hinton的capsule更像是把增加出来的第三维给定义了。其实,掌握3D CNN的可以秒杀目前江湖上的一切高阶图形识别算法,本质是是对CNN的高维扩展,处理矩阵变形更高效。加入了更高维度的运算,降低二维的运算量,提高准确率,但是维度越多,内存访问时序的处理就越麻烦,双通道肯定不够,通道越多,I/O设计更复杂,功耗越控制不住了。




  

相关话题

  Word2vec 翻译到另一种语言,其向量空间之间的映射会不会是线性的? 
  Jacobian矩阵和Hessian矩阵的作用是什么? 
  如何评价旷视开源的YOLOX,效果超过YOLOv5? 
  迁移学习与fine-tuning有什么区别? 
  国内哪些公司在用caffe、torch、TensorFlow、paddle等框架,哪些在用自研框架? 
  如何评价英伟达于 GTC 2021 大会发布的基于 ARM 架构的 Grace CPU? 
  如何评价 DeepMind 公布的可生成算法竞赛解题代码的 AlphaCode? 
  如何看待 Uber 发生全球首例自动驾驶致死事件? 
  深度学习(机器学习)的下一步如何发展? 
  为什么 larger batch size 对对比学习的影响比对监督学习的影响要大? 

前一个讨论
2018 年,拼多多对阿里巴巴、京东等电商平台造成了怎样的冲击?
下一个讨论
如何看待NVIDIA 即将开源的DLA?





© 2025-01-22 - tinynew.org. All Rights Reserved.
© 2025-01-22 - tinynew.org. 保留所有权利