舊金山:來自(FAIR)的一個團隊開發(fā)了一個名為“RegNet”的新型低維設(shè)計空間，它比傳統(tǒng)的可用模型(如from)性能更好，在gpu上運行速度快五倍。

研究人員在一篇題為《設(shè)計網(wǎng)絡(luò)設(shè)計空間;在預(yù)印庫ArXiv上發(fā)布。研究人員的目標是“可解釋性和發(fā)現(xiàn)描述網(wǎng)絡(luò)的一般設(shè)計原則，這些設(shè)計原則簡單、工作良好，并適用于各種環(huán)境”。人工智能團隊與EfficientNet進行了對照比較，沒有增加訓(xùn)練時間，并且采用了相同的訓(xùn)練設(shè)置。谷歌的EfficientNet于2019年推出，它結(jié)合了NAS和模型縮放規(guī)則，代表了當(dāng)前的SOTA。通過類似的訓(xùn)練設(shè)置和失敗，RegNet模型比有效網(wǎng)模型表現(xiàn)得更好，同時在gpu上的速度提高了5倍。

該團隊沒有設(shè)計和開發(fā)單獨的網(wǎng)絡(luò)，而是專注于設(shè)計實際的網(wǎng)絡(luò)設(shè)計空間，這些網(wǎng)絡(luò)設(shè)計空間包含大量的、可能是無限數(shù)量的模型架構(gòu)。利用誤差經(jīng)驗分布函數(shù)(EDF)對設(shè)計空間質(zhì)量進行分析。對RegNet設(shè)計空間的分析還為研究人員提供了關(guān)于網(wǎng)絡(luò)設(shè)計的其他意外見解。例如，他們注意到，最佳模型的深度在20塊(60層)的計算區(qū)域內(nèi)是穩(wěn)定的。雖然現(xiàn)代移動網(wǎng)絡(luò)使用倒瓶頸很常見，但研究人員注意到，使用倒瓶頸會降低性能。

最好的模型既不使用瓶頸，也不使用反向瓶頸。Facebook的人工智能研究團隊最近開發(fā)了一種工具，可以欺騙用戶在視頻中錯誤地識別一個人。這種“去識別”系統(tǒng)也適用于視頻直播，它利用機器學(xué)習(xí)來改變視頻中某個對象的關(guān)鍵面部特征。廣交會通過與社會各界的公開合作，通過基礎(chǔ)研究和應(yīng)用研究，推動人工智能的發(fā)展。這家社交網(wǎng)絡(luò)巨頭于2014年創(chuàng)建了Facebook人工智能研究(FAIR)小組，旨在通過公開研究促進所有人的利益，提升人工智能的藝術(shù)水平。從那時起，F(xiàn)AIR已經(jīng)發(fā)展成為一個國際研究組織，在門洛帕克、紐約、巴黎、蒙特利爾、特拉維夫、西雅圖、匹茲堡和倫敦都有實驗室。