Хеширование экономит 99% расчётов при тренировке нейросетей

Хеширование экономит 99% расчётов при тренировке нейросетей

Хеширование экономит 99% расчётов при тренировке нейросетей Компьютерные специалисты из университета Райса (штат Техас) применили популярную технику ускорения работы с данными для уменьшения объёма вычислений в машинном обучении без ущерба для точности получаемых результатов. Их подход, сочетающий хэширование с разреженным обратным распространением (sparse backpropagation), применим к любой архитектуре глубокого обучения, причём с ростом сложности нейросети увеличивается и получаемая экономия компьютерного ресурса. «Испытания показали, […]