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

  插值和拟合最根本的区别是什么?机器学习为啥用拟合?? 
  为什么在R语言里多用<-而不是=表示赋值? 
  在五到十年内,人工智能能复原成人影片中的被马赛克部分吗? 
  如何评价 MSRA 最新的 Deformable Convolutional Networks? 
  全连接层的作用是什么? 
  如何评价DALL-E模型的实现? 
  为什么机器学习解决网络安全问题总是失败? 
  为什么都说神经网络是个黑箱? 
  能否对卷积神经网络工作原理做一个直观的解释? 
  有什么深度学习数学基础书推荐? 

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?





© 2024-10-31 - tinynew.org. All Rights Reserved.
© 2024-10-31 - tinynew.org. 保留所有权利