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

  迁移学习与fine-tuning有什么区别? 
  如何看待鄂维南院士等发起的机器学习联合研讨计划(c2sml.cn)? 
  深度学习调参有哪些技巧? 
  现在的人工智能是否走上了数学的极端? 
  计算商品embedding然后平均得到用户embedding,会不会存在这种问题? 
  有没有什么可以节省大量时间的 Deep Learning 效率神器? 
  如何评价 Exploring Simple Siamese Learning? 
  机器学习的算法和普通《算法导论》里的算法有什么本质上的异同? 
  如何理解今年发表在JMLR上随机森林算法SPORF? 
  NLP文本分类的本质是不是其实是找相似,对于要分类的句子,在训练集里找最相似的句子? 

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?





© 2025-05-09 - tinynew.org. All Rights Reserved.
© 2025-05-09 - tinynew.org. 保留所有权利