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

  为什么Bert中的CLS在未fine tune时作为sentence embedding性能非常糟糕? 
  有什么算法能对一个长短不一的时间序列进行分类预测? 
  ICLR 2019 有什么值得关注的亮点? 
  Transformer在工业界的应用瓶颈如何突破? 
  如何看待timm作者发布ResNet新基准:ResNet50提至80.4,这对后续研究会带来哪些影响? 
  2017年1月18日Facebook发行的PyTorch相比TensorFlow、MXNet有何优势? 
  人工智能已在哪些领域超越了人类的表现? 
  wasserstein 距离的问题? 
  神经网络中的能量函数是如何定义的? 
  如何评价 Exploring Simple Siamese Learning? 

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?





© 2025-06-01 - tinynew.org. All Rights Reserved.
© 2025-06-01 - tinynew.org. 保留所有权利