百科问答小站 logo
百科问答小站 font logo



如何评价Hinton在加拿大多伦多大学关于用“capsule”作为下一代CNN的演讲? 第1页

  

user avatar   zhangshujia 网友的相关建议: 
      

关于HBM推广的;线性权重变矢量,要加维度,直接就把内存带宽顶上去了,在PIM出现以前,HBM大概是唯一选择;Hinton的capsule更像是把增加出来的第三维给定义了。其实,掌握3D CNN的可以秒杀目前江湖上的一切高阶图形识别算法,本质是是对CNN的高维扩展,处理矩阵变形更高效。加入了更高维度的运算,降低二维的运算量,提高准确率,但是维度越多,内存访问时序的处理就越麻烦,双通道肯定不够,通道越多,I/O设计更复杂,功耗越控制不住了。




  

相关话题

  对于多指标评价,BP神经网络评价和TOPSIS有什么区别呢? 
  类似AlphaGo一样的人工智能什么时候才可以击败RTS(如星际)顶级选手? 
  如何评价 NVIDIA 最新技术 5 秒训练 NERF? 
  2022 年初,你认为哪项成果代表了现在人工智能的最高水平? 
  Resnet到底在解决一个什么问题呢? 
  请问有没有基于实例的迁移学习的数据? 
  自监督学习(Self-supervised Learning)有什么比较新的思路? 
  mxnet的并行计算为什么这么牛,是什么原理? 
  物理专业的学生如何看待机器学习和大数据这些方向呢? 
  目前有哪些比较成功的人工智能应用? 

前一个讨论
2018 年,拼多多对阿里巴巴、京东等电商平台造成了怎样的冲击?
下一个讨论
如何看待NVIDIA 即将开源的DLA?





© 2025-02-16 - tinynew.org. All Rights Reserved.
© 2025-02-16 - tinynew.org. 保留所有权利