Deci แสดง NAC สำหรับการสร้างโครงข่ายประสาทอัตโนมัติ

ในช่วงไม่กี่เดือนที่ผ่านมา นักวิจัยด้านการเรียนรู้เชิงลึกได้เต้นรำไปรอบๆ กำแพงประสิทธิภาพที่ปรากฏขึ้น เนื่องจากโครงข่ายประสาทเทียมขนาดใหญ่ผลักดันขีดจำกัดในแง่ของการคำนวณและการใช้พลังงาน แต่ตอนนี้บริษัทที่ชื่อ Deci กล่าวว่าได้คิดหาทางรอบกำแพงนั้นโดยการสร้างโครงข่ายประสาทที่มีประสิทธิภาพสูงด้วยเทคโนโลยีการค้นหาสถาปัตยกรรมอัตโนมัติที่เรียกว่า AutoNAC Deci ประกาศในวันนี้ว่าเทคโนโลยี Automated Neural Architecture Construction (AutoNAC) ที่เป็นกรรมสิทธิ์ของบริษัท “ค้นพบ” รูปแบบการจำแนกรูปภาพใหม่ที่เรียกว่า DeciNets เมื่อทำงานกับฐานข้อมูล ImageNet DeciNets แสดงให้เห็นถึงประสิทธิภาพในระดับที่สูงมากในแง่ของอัตราส่วนความแม่นยำต่อเวลาแฝงเมื่อทำงานบน GPU ของ Nvidia บริษัทของอิสราเอลกล่าวว่า AutoNAC ค้นพบ DeciNets โดยใช้พลังประมวลผลน้อยกว่าสองขนาดโดยประมาณเมื่อเทียบกับวิธีการขยายขนาดที่ใหญ่โตซึ่งใช้เทคโนโลยี Neural Architecture Search (NAS) แนวทางของ NAS ใช้เพื่ออธิบาย EfficientNet ซึ่งเป็นหนึ่งในเครือข่ายที่ DeciNet ทำได้ดีที่สุดในผลการวัดประสิทธิภาพที่เผยแพร่ในวันนี้ Deci กล่าวว่าซอฟต์แวร์ AutoNAC ทำงานข้ามโดเมนการเรียนรู้ของเครื่องต่างๆ รวมถึงการจำแนกประเภท การตรวจจับ และการแบ่งส่วน ผู้ใช้ป้อนข้อมูลลงในซอฟต์แวร์ และ AutoNAC ใช้เพื่อสร้างโมเดลที่ปรับให้เหมาะสมล่วงหน้าซึ่งพร้อมที่จะปรับใช้สำหรับการอนุมาน โมเดลเหล่านี้รับรู้ถึงฮาร์ดแวร์ ซึ่ง Deci กล่าวว่าช่วยบีบประสิทธิภาพสูงสุดออกจากแพลตฟอร์มคลาวด์ ขอบ และโมบายล์ สำหรับเกณฑ์มาตรฐาน Deci รัน DeciNet บน GPU Nvidia T4 ขนาดใหญ่ที่สามารถปรับใช้ใน prem หรือในระบบคลาวด์ได้ เช่นเดียวกับ GPU Nvidia Jetson ที่มีขนาดเล็กกว่าซึ่งออกแบบมาสำหรับแอพพลิเคชั่นที่ล้ำสมัย เช่น การขับขี่อัตโนมัติ DeciNets ได้รับคะแนนสูงสุดจากการแลกเปลี่ยนประสิทธิภาพของทั้ง GPU T4 และ Jetson โดยวัดจากการแลกเปลี่ยนระหว่างความแม่นยำและเวลาแฝง (ที่มา: Deci) “แต่ละโมเดลที่นำเสนอถูกคอมไพล์ไปยัง T4 GPU โดยใช้ Tensor RT และวัดค่าเป็นบิต 8 บิต (INT8) และ 16 (FP