OpenAI 分析:训练神经网络所需算力每 16 个月减半
原文标题:AI and efficiency
AI 摘要
OpenAI 发布分析,指出自 2012 年以来,在 ImageNet 分类上达到同等性能所需训练算力每 16 个月下降一半。达到 AlexNet 水平如今所需算力比 2012 年少 44 倍,而同期摩尔定律只能带来 11 倍的成本改进;结果表明在近期投入较高的 AI 任务上,算法进步带来的收益超过传统硬件效率提升。
关键信息
- OpenAI 发布分析,指出自 2012 年以来,在 ImageNet 分类上达到同等性能所需训练算力每 16 个月下降一半。
- 达到 AlexNet 水平如今所需算力比 2012 年少 44 倍,而同期摩尔定律只能带来 11 倍的成本改进
- 结果表明在近期投入较高的 AI 任务上,算法进步带来的收益超过传统硬件效率提升
- 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
速览
- 发布时间
- 更新时间
- 分类
- 论文与研究
- AI 评分
- 61
推荐理由
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。
相关实体
来源与版权
本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。
如何引用
引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。
橙子新闻:OpenAI 分析:训练神经网络所需算力每 16 个月减半。2020年5月5日。https://new.nat6.net/news/ctf4kaxoy1572sg8vh5ve9og6/