Analyse OpenAI : le calcul nécessaire pour entraîner un réseau de neurones diminue de moitié tous les 16 mois
Titre original:AI and efficiency
Résumé IA
OpenAI publie une analyse indiquant que depuis 2012, le calcul d'entraînement nécessaire pour atteindre une performance équivalente en classification ImageNet diminue de moitié tous les 16 mois. Le calcul requis aujourd'hui pour atteindre le niveau d'AlexNet est 44 fois inférieur à celui de 2012, alors que la loi de Moore n'apporte que 11 fois d'amélioration de coût sur la même période ; les résultats montrent que, sur les tâches IA à fort investissement récent, les gains des progrès algorithmiques dépassent ceux de l'efficacité matérielle traditionnelle.
Points clés
- OpenAI publie une analyse indiquant que depuis 2012,le calcul d'entraînement nécessaire pour…
- Le calcul requis aujourd'hui pour atteindre le niveau d'AlexNet est 44 fois inférieur à celui de…
- les résultats montrent que,sur les tâches IA à fort investissement récent,les gains des progrès…
En bref
- Publié
- Mis à jour
- Source
- OpenAI:官网动态(RSS · 排除企业/客户案例)
- Catégorie
- Articles et recherche
- Score IA
- 61
OpenAI 用 ImageNet 分类数据量化算法进步的速度,读者可据此比较算法效率与摩尔定律的贡献差异。
Entités associées
Source et droits
Cet article s'appuie sur des titres sélectionnés et des résumés IA issus de l'API publique AIHOT, avec attribution et liens de retour. Les droits sur l'original restent ceux des médias et auteurs d'origine ; ce site ne reproduit pas les textes intégraux.
Comment citer
Pour citer cet article, conservez le titre, la date et le lien permanent, et indiquez Orange News comme source.
Orange News : Analyse OpenAI : le calcul nécessaire pour entraîner un réseau de neurones diminue de moitié tous les 16 mois. 5. mai 2020. https://new.nat6.net/fr/news/ctf4kaxoy1572sg8vh5ve9og6/