Natuklasan ng OpenAI ang deep double descent phenomenon sa deep learning
Orihinal na pamagat:Deep double descent
AI summary
Iniulat ng OpenAI na laganap ang double descent phenomenon sa CNN, ResNet at transformers: habang lumalaki ang model size, data volume o training time, unang bumubuti ang performance, pagkatapos lumalala, at pagkatapos ay bumubuti muli. Madalas maiiwasan ang epektong ito sa maingat na regularization; sinabi ng mga may-akda na hindi pa lubos na nauunawaan ang sanhi nito at itinuturing itong mahalagang direksyon ng pananaliksik.
Mahahalagang impormasyon
- Iniulat ng OpenAI na laganap ang double descent phenomenon sa CNN,ResNet at transformers: habang…
- Madalas maiiwasan ang epektong ito sa maingat na regularization
- sinabi ng mga may-akda na hindi pa lubos na nauunawaan ang sanhi nito at itinuturing itong…
Mabilisang tingin
- Na-publish noong
- Na-update noong
- Pinagmulan
- OpenAI:官网动态(RSS · 排除企业/客户案例)
- Kategorya
- Mga Papel at Pananaliksik
- AI na marka
- 60
原文指出模型规模、数据量或训练时间增大时性能先降后升的普遍现象,并把它列为值得进一步研究的方向。
Kaugnay na Entity
Pinagmulan at copyright
Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.
Paano banggitin
Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.
Orange News: Natuklasan ng OpenAI ang deep double descent phenomenon sa deep learning. 5 Disyembre 2019. https://new.nat6.net/fil/news/g3wsst0c4ve4trvbvw1qw9ooc/