深度学习下一阶段：神经架构自学习，带来优秀的计算机视觉模型

发布时间：2019-09-01 22:24:55 所属栏目：建站来源：大数据文摘

导读：深度学习是人工智能模型的先驱。从图像识别、语音识别，到文字理解，甚至自动驾驶，深度学习的来临极大地丰富了我们对AI潜力的想象。那么，深度学习为何如此成功呢？主流思想认为，一个重要的原因是，深度学习成功的原因是不依靠人类直觉来构建或表示数

这是当前最先进的AI模型。主要原理是使用之前成功架构的构建块并尝试自动搜索这些块的组合，以构建新的神经网络架构。其关键目标是建立一个需要少量运算却高精度的架构。一些成功的神经架构搜索方法包括：NASNet，MNASNe和FBNet。由于其可能的组合的搜索空间非常大，训练这些模型比标准深度学习模型需要更多的计算量和数据。类似于“特征搜索”阶段，这些模型也受到基于人类直觉的手动设计其构建块的约束。根据以前的经验，人类对如何设计神经架构的直觉没有计算机好。最新研究表明，随机连接的神经网络完胜几种人工设计的架构。