Mga Papel at Pananaliksik

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
Basahin ang orihinal Basahin ang buong artikulo sa orihinal na pinagmulan
Dahilan ng rekomendasyon

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.

Link ng orihinal · Entry sa AIHOT

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/

Tingnan lahat →