一颗赛艇!上海交大搞出SRNN,比普通RNN也就快135倍
快了135倍。
近日,上海交大的研究人员提出了切片循环神经网络(Sliced recurrent neural networks,SRNN)的结构,在不改变循环单元的情况下,比RNN结构快135倍。
这种如同脚踩风火轮一般的操作,究竟是怎样实现的?
在论文《Sliced Recurrent Neural Networks》中,研究人员给出了具体介绍。我们先来看看“全是重点其他免谈”的论文重点——
“曲线救国”的SRNN
传统RNN结构中最流行的循环单元是LSTM和GRU,二者都能在隐藏层中通过门控机制(Gating Mechanism)存储近期信息,然后决定这些信息将以怎样的程度和输入结合。这种结构的缺点也很明显,RNN很难实现并行化处理。
△ 传统RNN结构,A代表循环单元 | 每一步都需要等待上一步的输出结果
因此,很多学者选在在NLP
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
Google AI推出新的大规模目标检测挑战赛
来源 |TowardsDataScience 整理 | 磐石 就在几天前,Google AI在Kaggle上推出了一项名为Open Images Challenge的大规模目标检测竞赛。当今计算机视觉社区已经很长一段时间没有进行如此新的大规模竞赛,这对视觉研究者来说绝对是一个令人振奋的消息。 连续多年ImageNet一直是计算机视觉领域的“黄金标准型”竞赛,并且吸引了大量团队每年都参与竞争,以获得在ImageNet数据集上最低的错误率。同时,深度学习技术的突破更是使得图像识别任务取得了令人瞩目的巨大进步,甚至超过了人类的准确度。 ImageNet是一个大规模的视觉识别竞赛,有着1000个不同的类别和120万张训练图像。如此大规模的数据使ImageNet变得非常具有挑战性。通过这个比赛,除了学习到如何很好地分类图像之外,还得到了很重要的一点就是我们得到了可以用于其他视觉任务的特征提取器。在ImageNet上预训练的特征提取网络被运用到了许多其他计算机视觉任务,包括目标检测、分割和跟踪等等。此外,这些特征提取网络的设计同样也可以适用在那些其他的视觉任务上。例如,shortcut conne...
- 下一篇
苹果架构调整:AI、机器学习和Siri合并,由前谷歌AI负责人领导
苹果的AI终于有救了。 因为他们刚刚把所有AI相关部门团队整合到了一起,由4月份离职的谷歌AI一把手负责。 苹果部门整合 这次,苹果整合的是AI和机器学习部门,负责人是刚刚加入苹果的副总裁John Giannandrea。另外,Siri和Core ML两个产品团队也汇报给他。 苹果官方网站上已经更新了领导团队,在CEO Tim Cook和10位高级副总裁/CXO之后,John Giannandrea和苹果其他五位分别负责公关、社会责任、大中华区、广告创意和人力的副总裁并列。 官网信息显示,John Giannandrea的职位机器学习与人工智能策略主管,负责监督整个公司的人工智能和机器学习策略,并且管理Core ML和Siri的技术开发,目前是直接汇报给Tim Cook的16位高管之一。 此前,苹果AI研究院的负责人是卡内基梅隆大
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- CentOS关闭SELinux安全模块
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果
- Mario游戏-低调大师作品
- CentOS6,CentOS7官方镜像安装Oracle11G
- SpringBoot2配置默认Tomcat设置,开启更多高级功能
- Windows10,CentOS7,CentOS8安装Nodejs环境
- Docker安装Oracle12C,快速搭建Oracle学习环境
- Windows10,CentOS7,CentOS8安装MongoDB4.0.16
- CentOS8编译安装MySQL8.0.19
- MySQL8.0.19开启GTID主从同步CentOS8