Facebook人工智能模式比谷歌在gpu上運行速度快5倍

舊金山:來自(FAIR)的一個團隊開發了一個名為“RegNet”的新型低維設計空間，它比傳統的可用模型(如from)性能更好，在gpu上運行速度快五倍。

研究人員在一篇題為《設計網絡設計空間;在預印庫ArXiv上發布。研究人員的目標是“可解釋性和發現描述網絡的一般設計原則，這些設計原則簡單、工作良好，并適用于各種環境”。人工智能團隊與EfficientNet進行了對照比較，沒有增加訓練時間，并且采用了相同的訓練設置。谷歌的EfficientNet于2019年推出，它結合了NAS和模型縮放規則，代表了當前的SOTA。通過類似的訓練設置和失敗，RegNet模型比有效網模型表現得更好，同時在gpu上的速度提高了5倍。

該團隊沒有設計和開發單獨的網絡，而是專注于設計實際的網絡設計空間，這些網絡設計空間包含大量的、可能是無限數量的模型架構。利用誤差經驗分布函數(EDF)對設計空間質量進行分析。對RegNet設計空間的分析還為研究人員提供了關于網絡設計的其他意外見解。例如，他們注意到，最佳模型的深度在20塊(60層)的計算區域內是穩定的。雖然現代移動網絡使用倒瓶頸很常見，但研究人員注意到，使用倒瓶頸會降低性能。

最好的模型既不使用瓶頸，也不使用反向瓶頸。Facebook的人工智能研究團隊最近開發了一種工具，可以欺騙用戶在視頻中錯誤地識別一個人。這種“去識別”系統也適用于視頻直播，它利用機器學習來改變視頻中某個對象的關鍵面部特征。廣交會通過與社會各界的公開合作，通過基礎研究和應用研究，推動人工智能的發展。這家社交網絡巨頭于2014年創建了Facebook人工智能研究(FAIR)小組，旨在通過公開研究促進所有人的利益，提升人工智能的藝術水平。從那時起，FAIR已經發展成為一個國際研究組織，在門洛帕克、紐約、巴黎、蒙特利爾、特拉維夫、西雅圖、匹茲堡和倫敦都有實驗室。