据英国科学新闻网站11月7日报道，在实验中，研究小组用4分钟和6.6分钟分别训练了两个深度神经网络AlexNet和ResNet-50。此前，AlexNet和ResNet-50的最快训练时间分别为11分钟和15分钟。
报道称，Alexnet和Resnet-50是建立在ImageNet(一个用于视觉对象识别软件研究的大型可视化数据库)基础上的深度神经网络。一旦接受训练，系统就能够识别并标记给定照片中的物体。这一结果显著快于此前的记录，而且超过了所有其他现有系统。
报道称，机器学习是一套令计算机能够从数据中学习而无需由人类编程的数学方法。生成的算法可以用于各种应用于人工智能的数据和视觉识别任务。
香港浸会大学团队由计算机系教授禇晓文和博士生施少怀组成。禇晓文说：“我们提出了一种新的优化训练方法，在不牺牲精确度的情况下大大提升最佳输出。在人工智能训练中，研究人员试图更快地训练自己的网络，但这可能会导致精确度下降。因此，在保持精确度的同时高速训练机器学习模型对科学家来说是一个至关重要的目标。”
禇晓文说，训练人工智能机器所需的时间受计算时间和通信时间的影响。研究团队在这两方面都取得了突破，从而创造了这一破纪录的成就。
他说，考虑到数据块大小和传输模式的影响，团队以“张量融合”方式，将大量小型数据块集合成较大组件，成功提升训练人工智能的效率。
报道称，这种新技术可以用于大规模图像分类，也可以用于其他人工智能应用，包括机器翻译、自然语言处理、医学影像分析以及在线多人游戏。
京公网安备 11010502049343号