我們看一下神經(jīng)網(wǎng)絡(luò)為什么叫深度學(xué)習(xí),其實(shí)說神經(jīng)網(wǎng)絡(luò)的層數(shù)非常多,它夠深,這是2012年Hinton和學(xué)生做的 AlexNet,一個(gè)八層的網(wǎng)絡(luò),當(dāng)時(shí)認(rèn)為已經(jīng)非常深了。論文里還有一段,專門說八層比五層深是有道理的,證明深度是有道理的。論文發(fā)布以后還有很多人挑戰(zhàn)說其實(shí)更淺的也能做出來,現(xiàn)在已經(jīng)沒有人挑戰(zhàn)了。過兩年之后,牛津大學(xué)和谷歌分別開發(fā)出了它們的網(wǎng)絡(luò),20層的網(wǎng)絡(luò),性能提高非常多。這兩個(gè)網(wǎng)絡(luò)大概都是20層,這并不是巧合,到了20層以后系統(tǒng)就很難訓(xùn)練起來。我們自己做了一些工作,確實(shí)發(fā)現(xiàn)是這樣的問題,當(dāng)非線性系統(tǒng)非常復(fù)雜的時(shí)候,確實(shí)很難訓(xùn)練它。
在2015年的時(shí)候,當(dāng)時(shí)我還在微軟亞洲研究院,我們做了一個(gè)工作叫做 ResNet,第一次做了一個(gè)152層的網(wǎng)絡(luò),它有效地解決了神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的優(yōu)化問題。我先放一個(gè)以前同事做的動(dòng)畫,給大家看一下152層網(wǎng)絡(luò)到底有多深。其中一個(gè)小橫桿是一層。
這網(wǎng)絡(luò)到底為什么能做成呢?其實(shí)核心是引用了一個(gè)殘差學(xué)習(xí)的概念,這概念就是說當(dāng)網(wǎng)絡(luò)非常深的時(shí)候,你要做一個(gè)變換,相鄰兩層的變化差別是不大,那只去學(xué)習(xí)殘差會(huì)比直接學(xué)習(xí)映射會(huì)更容易,所以我們就設(shè)計(jì)了殘差學(xué)習(xí)的思想,實(shí)際上可以用一個(gè)非常簡(jiǎn)單的跨層連接來實(shí)現(xiàn),從而達(dá)到非常容易優(yōu)化的復(fù)雜的非線性動(dòng)態(tài)系統(tǒng)。為什么網(wǎng)絡(luò)可以很好的訓(xùn)練起來,我們自己相信的一個(gè)解釋是整個(gè)訓(xùn)練過程是一個(gè)從淺到深的訓(xùn)練動(dòng)態(tài)。還有一個(gè)數(shù)學(xué)上比較嚴(yán)謹(jǐn)?shù)慕忉屖撬軌蚝芎玫南郧吧疃葘W(xué)習(xí)網(wǎng)絡(luò)反傳算法中梯度消失的問題,這是個(gè)非常嚴(yán)重的問題,當(dāng)你層數(shù)非常深的時(shí)候,梯度會(huì)越來越小,以至于計(jì)算機(jī)的精度會(huì)表示不了,就無法訓(xùn)練整個(gè)系統(tǒng)了,這個(gè)就在數(shù)學(xué)上保證了梯度不會(huì)變小。殘差網(wǎng)絡(luò)也代表微軟贏得了 ImageNet 2015年的冠軍,第一次超過了人類在圖像識(shí)別上的表現(xiàn)。
深度學(xué)習(xí):破除魔咒之旅
ResNet 網(wǎng)絡(luò)說明了什么?它說明了我們走到今天這一步非常不容易的,Geoffrey Hinton總結(jié)了一下為什么深度學(xué)習(xí)做得越來越好,比如說計(jì)算量越來越強(qiáng)、數(shù)據(jù)越來越大,細(xì)節(jié)做的更對(duì)了。其實(shí)我想說的是殘差學(xué)習(xí)隱含了網(wǎng)絡(luò)結(jié)構(gòu)需要對(duì)優(yōu)化友好才可以做好。
我也分享一下,在前不久 AlphaGo Zero系統(tǒng)里面第一次用不學(xué)習(xí)人類棋譜的方式來戰(zhàn)勝了人類,其中有兩個(gè)核心技術(shù),一個(gè)是自我博弈的增強(qiáng)學(xué)習(xí),另外一個(gè)它也用到了我們的ResNet,用了一個(gè)40層或者80層的網(wǎng)絡(luò)來完成對(duì)棋譜到底哪里下子、到底對(duì)當(dāng)前棋局是贏還是輸?shù)囊粋(gè)判斷。
深度神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的演化非?,我們給大家羅列了從2012年到2016年的一些代表性工作年。進(jìn)展非?煲灾劣谖覀冏龅暮芏嘁曈X計(jì)算任務(wù)取得了非常大的進(jìn)展,例如Coco是目前物體檢測(cè)最重要的一個(gè)基準(zhǔn)測(cè)試。
今年我們贏得了冠軍。 2015年到2017年僅僅兩年,Coco物體檢測(cè)的精度從37變到了52。 37這個(gè)數(shù)字是當(dāng)時(shí)我們?cè)谖④浹芯吭鹤龅囊粋(gè)工作,是當(dāng)時(shí)COCO的第一名。再往前2014年微軟創(chuàng)建COCO的時(shí)候,當(dāng)時(shí)的結(jié)果只有20多,如果用非深度學(xué)習(xí)方法可能不到20。我們今年也獲得了COCO Keypoint 競(jìng)賽的冠軍,這個(gè)問題就是說如何把每一個(gè)人的身體骨架都很精確的用3D姿態(tài)恢復(fù)出來,這樣很容易分析這個(gè)人的動(dòng)作。
另外我們還獲得了今年第一次舉辦的Places Instance Segmentation 的冠軍。這是大家努力的一個(gè)方向,模型越做越大、精度越做越高,所有訓(xùn)練要求計(jì)算力越來越大。還有一個(gè)方向是說,計(jì)算量不夠的時(shí)候,應(yīng)該去如何應(yīng)用這個(gè)技術(shù),將其商業(yè)化。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請(qǐng)謹(jǐn)慎對(duì)待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。
近日,德國柏林國際電子消費(fèi)品展覽會(huì)(IFA2024)隆重舉辦。憑借在核心技術(shù)、產(chǎn)品設(shè)計(jì)及應(yīng)用方面的創(chuàng)新變革,全球領(lǐng)先的智能終端企業(yè)TCL實(shí)業(yè)成功斬獲兩項(xiàng)“IFA全球產(chǎn)品設(shè)計(jì)創(chuàng)新大獎(jiǎng)”金獎(jiǎng),有力證明了其在全球市場(chǎng)的強(qiáng)大影響力。
近日,中國家電及消費(fèi)電子博覽會(huì)(AWE 2024)隆重開幕。全球領(lǐng)先的智能終端企業(yè)TCL實(shí)業(yè)攜多款創(chuàng)新技術(shù)和新品亮相,以敢為精神勇闖技術(shù)無人區(qū),斬獲四項(xiàng)AWE 2024艾普蘭大獎(jiǎng)。
“以前都要去窗口辦,一套流程下來都要半個(gè)月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。
由世界人工智能大會(huì)組委會(huì)、上海市經(jīng)信委、徐匯區(qū)政府、臨港新片區(qū)管委會(huì)共同指導(dǎo),由上海市人工智能行業(yè)協(xié)會(huì)聯(lián)合上海人工智能實(shí)驗(yàn)室、上海臨港經(jīng)濟(jì)發(fā)展(集團(tuán))有限公司、開放原子開源基金會(huì)主辦的“2024全球開發(fā)者先鋒大會(huì)”,將于2024年3月23日至24日舉辦。