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

  如何用一句话证明自然语言处理很难? 
  为什么nn的较大问题是会陷入局部最优时,不选用凸函数作为激活函数? 
  在算力充沛,深度学习模型大行其道的今天,传统机器学习的未来在哪里? 
  计算机视觉中video understanding领域有什么研究方向和比较重要的成果? 
  你见过最差的算法工程师能差到什么程度? 
  如何证明数据增强(Data Augmentation)有效性? 
  为什么都说神经网络是个黑箱? 
  wav2vec中的30ms是怎么得来的? 
  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? 
  迁移学习与fine-tuning有什么区别? 

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?





© 2024-05-16 - tinynew.org. All Rights Reserved.
© 2024-05-16 - tinynew.org. 保留所有权利