ホームページ テクノロジー周辺機器 AI 初めて「ティーチング ディレクター」がモデル蒸留に導入され、大規模な圧縮が 24 の SOTA メソッドよりも優れています。

初めて「ティーチング ディレクター」がモデル蒸留に導入され、大規模な圧縮が 24 の SOTA メソッドよりも優れています。

Apr 14, 2023 pm 03:46 PM
モデル 研究

ますます高度化する深層学習モデルと大量のビデオビッグデータに直面して、人工知能アルゴリズムはコンピューティングリソースへの依存度を高めています。モデルの蒸留性とスパース性を調査することにより、深層モデルのパフォーマンスと効率を効果的に向上させるために、この論文では、「 学部長-教師-生徒」モデルに基づく統合モデル圧縮テクノロジを提案します。

この成果は、人民科学技術院と中国科学院オートメーション研究所の共同研究チームによって完成されました。この論文は、人工知能に関するトップ国際ジャーナルであるパターン分析と機械知能に関する IEEE トランザクション (TPAMI) に掲載されました。この成果は、モデル蒸留技術に「ティーチング ディレクター」の役割が初めて導入され、ディープ モデルの蒸留と仕立てが統合されたものです。

初めて「ティーチング ディレクター」がモデル蒸留に導入され、大規模な圧縮が 24 の SOTA メソッドよりも優れています。

論文アドレス: https://ieeexplore.ieee.org/abstract/document/9804342

現在、この成果は人民科技が独自に開発したクロスモーダルインテリジェント検索エンジン「Baize」に応用されている。 「Baize」は、グラフィックス、テキスト、オーディオ、ビデオなどの異なるモダリティ間の情報表現の壁を打ち破り、ビデオを核として、テキスト、画像、音声、ビデオなどの異なるモダリティ情報を統一された特徴表現空間にマッピングします。複数のモダリティ 統合された距離測定を使用して、テキスト、音声、ビデオなどのマルチモーダル コンテンツの意味上のギャップを埋め、統合された検索機能を実現できます。

しかし、膨大なインターネット データ、特にビデオ ビッグ データに直面して、クロスモーダル ディープ モデルによるコンピューティング リソースの消費は徐々に増加しています。この研究結果に基づいて、「Baize」はアルゴリズムのパフォーマンスを確保しながらモデルサイズを大規模に圧縮することができ、高スループットかつ低消費電力のクロスモーダルインテリジェントな理解と検索機能を実現します。予備的な実用化によると、この技術は大規模モデルのパラメータ スケールを平均で 4 倍以上圧縮できます。一方で、モデルによる GPU サーバーなどの高性能コンピューティング リソースの消費を大幅に削減でき、他方では、エッジにデプロイできない大規模なモデルを抽出および圧縮して、エッジ上での低電力デプロイメントを実現できます。角。

モデル圧縮のためのフェデレーテッド ラーニング フレームワーク

深いアルゴリズム モデルの圧縮と高速化は、蒸留学習または構造化されたスパース クリッピングを通じて実現できますが、これはどちらの領域にもいくつかの制限があります。蒸留学習方法の場合、軽量モデル (つまり、生徒ネットワーク) をトレーニングして、複雑で大規模なモデル (つまり、教師ネットワーク) をシミュレートすることを目的としています。教師ネットワークの指導の下で、生徒ネットワークは単独でトレーニングするよりも優れたパフォーマンスを達成できます。

ただし、蒸留学習アルゴリズムは、学生ネットワークのパフォーマンスの向上のみに焦点を当てており、多くの場合、ネットワーク構造の重要性を無視しています。学生ネットワークの構造は通常、トレーニング プロセス中に事前に定義され、固定されます。

構造化されたスパース クリッピングまたはフィルター クリッピングの場合、これらの方法は、冗長で複雑なネットワークをスパースでコンパクトなネットワークにクリップすることを目的としています。ただし、モデルのトリミングは、コンパクトな構造を取得するためにのみ使用されます。既存の方法はどれも、元の複雑なモデルに含まれる「知識」を最大限に活用していません。最近の研究では、モデルのパフォーマンスとサイズのバランスをとるために、蒸留学習と構造化されたスパース枝刈りを組み合わせています。ただし、これらの方法は損失関数の単純な組み合わせに限定されます。

上記の問題を詳しく分析するために、この研究ではまず圧縮センシングに基づいてモデルをトレーニングしました。モデルのパフォーマンスと構造を分析することで、2 つの重要な属性があることがわかりました。深いアルゴリズム モデルの場合: 蒸留性 蒸留性とスパース性。

具体的には、抽出可能性は、教師ネットワークから抽出できる有効な知識の密度を指します。これは、教師ネットワークの指導の下で生徒ネットワークによって達成されるパフォーマンスの向上によって測定できます。たとえば、蒸留能力が高い学生ネットワークは、より高いパフォーマンスを達成できます。蒸留性はネットワーク層レベルで定量的に分析することもできます。

如圖 1-(a)所示,長條圖表示蒸餾學習損失梯度和真值分類損失梯度之間的餘弦相似度(Cosine Similarity)。更大的餘弦相似度說明目前蒸餾的知識對於模型性能更有幫助。這樣,餘弦相似度也可以成為可蒸餾性的一種度量。由圖 1-(a)可得,可蒸餾性隨著模型層數變深逐漸增加。這也解釋了為什麼常規使用蒸餾學習的監督均施加在模型最後幾層中。並且,在不同的訓練輪次,學生模型也有不同的可蒸餾性,因為隨著訓練時間變化餘弦相似度也在改變。因此,在訓練過程中對不同層進行可蒸餾性的動態分析十分必要。

另一方面,可稀疏性指的是模型在有限精度損失下能夠獲得的裁剪率(或稱為壓縮率)。更高的可稀疏性對應更高裁剪率的潛力。如圖 1-(b)所示,網路的不同層或模組展現了不同的可稀疏性。類似於可蒸餾性,可稀疏性也可以在網路層層級和時間維度進行分析。然而,目前沒有方法去探索和分析可蒸餾性和可稀疏性。現有方法常常使用一種固定的訓練機制,很難達到一個最優結果。

初めて「ティーチング ディレクター」がモデル蒸留に導入され、大規模な圧縮が 24 の SOTA メソッドよりも優れています。

初めて「ティーチング ディレクター」がモデル蒸留に導入され、大規模な圧縮が 24 の SOTA メソッドよりも優れています。

#圖1 深度神經網路的可蒸餾性和可稀疏性示意圖

為了解決上述問題,該研究分析了模型壓縮的訓練過程,從而獲得有關可蒸餾性和可稀疏性的相關發現。受這些發現啟發,該研究提出了一種基於動態可蒸餾性與可稀疏性聯合學習的模型壓縮方法。它能動態結合蒸餾學習和結構化稀疏裁剪,透過學習可蒸餾性和可稀疏性,自適應地調節聯合訓練機制。

與常規的「教師- 學生(Teacher-Student)」 框架不同,本文提出的方法能夠被描述成「在學校學習(Learning-in-School)」 框架,因為它包含三大模組:教師網絡,學生網絡和教導主任網絡。

具體而言,與之前相同,教師網路教導學生網路。而教導主任網絡負責控制學生網路學習的強度以及學習的方式。透過取得目前教師網路和學生網路的狀態,教導主任網路可以評估目前學生網路的可蒸餾性和可稀疏性,然後動態地平衡和控制蒸餾學習監督和結構化稀疏裁剪監督的強度。

為了優化本文方法,研究也提出一種基於交替方向乘子法的蒸餾學習 & 裁剪的聯合最佳化演算法,來更新學生網路。為了優化和更新教導主任網絡,本文提出一種基於元學習的教導主任優化演算法。借助動態調節監督訊號,反過來可蒸餾性也能被影響。如圖 1-(a)所示,本文方法證明能夠延緩可蒸餾性的下降趨勢,並且透過合理利用蒸餾的知識,提升了整體的可蒸餾性。

本文方法的整體演算法架構和流程圖如下圖所示。此架構包含三大模組,教師網絡,學生網絡和教導主任網絡。其中,初始的待壓縮裁剪的複雜冗餘網絡被看作教師網絡,而在後面的訓練過程中,逐漸被稀疏的原始網絡被看作是學生網絡。教導主任網絡是一個元網絡,它輸入教師網絡和學生網絡的資訊來衡量當前可蒸餾性和可稀疏性,從而控制蒸餾學習和稀疏的監督強度。

這樣,在每一時刻,學生網路都能被動態地蒸餾知識所引導和被稀疏。例如,當學生網路有更高的可蒸餾性,教導主任會讓更強的蒸餾監督訊號指導學生網路(見圖2 中粉紅色箭頭訊號);與此相反,當學生網路有更高的可稀疏性,教導主任會讓更強的稀疏監督訊號施加於學生網路中(見圖2 中橘色箭頭訊號)。

初めて「ティーチング ディレクター」がモデル蒸留に導入され、大規模な圧縮が 24 の SOTA メソッドよりも優れています。

圖2 基於可蒸餾性與可稀疏性共同學習的模型壓縮演算法示意圖

##實驗結果

實驗將本文提出的方法與24 種主流模型壓縮方法(包括稀疏裁切方法和蒸餾學習方法)在小規模資料集CIFAR 和大規模資料集ImageNet 上進行比較。實驗結果如下圖所示,結果證明本文所提方法的優越性。

表1 在CIFAR10 上的模型裁切結果效能比較:

初めて「ティーチング ディレクター」がモデル蒸留に導入され、大規模な圧縮が 24 の SOTA メソッドよりも優れています。

##表2 在ImageNet 上的模型裁切結果表現比較:

初めて「ティーチング ディレクター」がモデル蒸留に導入され、大規模な圧縮が 24 の SOTA メソッドよりも優れています。

更多研究細節,可參考原論文。

以上が初めて「ティーチング ディレクター」がモデル蒸留に導入され、大規模な圧縮が 24 の SOTA メソッドよりも優れています。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

AI Hentai Generator

AI Hentai Generator

AIヘンタイを無料で生成します。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

世界で最も強力なオープンソース MoE モデルが登場。GPT-4 に匹敵する中国語機能を備え、価格は GPT-4-Turbo のわずか 1% 近くです 世界で最も強力なオープンソース MoE モデルが登場。GPT-4 に匹敵する中国語機能を備え、価格は GPT-4-Turbo のわずか 1% 近くです May 07, 2024 pm 04:13 PM

従来のコンピューティングを超える能力を備えているだけでなく、より低コストでより効率的なパフォーマンスを実現する人工知能モデルを想像してみてください。これは SF ではありません。世界で最も強力なオープンソース MoE モデルである DeepSeek-V2[1] が登場しました。 DeepSeek-V2 は、経済的なトレーニングと効率的な推論の特徴を備えた強力な専門家混合 (MoE) 言語モデルです。これは 236B のパラメータで構成されており、そのうち 21B は各マーカーをアクティブにするために使用されます。 DeepSeek67B と比較して、DeepSeek-V2 はパフォーマンスが優れていると同時に、トレーニング コストを 42.5% 節約し、KV キャッシュを 93.3% 削減し、最大生成スループットを 5.76 倍に高めます。 DeepSeek は一般的な人工知能を研究する会社です

こんにちは、電気アトラスです!ボストン・ダイナミクスのロボットが復活、180度の奇妙な動きにマスク氏も恐怖 こんにちは、電気アトラスです!ボストン・ダイナミクスのロボットが復活、180度の奇妙な動きにマスク氏も恐怖 Apr 18, 2024 pm 07:58 PM

Boston Dynamics Atlas は正式に電動ロボットの時代に突入します!昨日、油圧式アトラスが歴史の舞台から「涙ながらに」撤退したばかりですが、今日、ボストン・ダイナミクスは電動式アトラスが稼働することを発表しました。ボストン・ダイナミクス社は商用人型ロボットの分野でテスラ社と競争する決意を持っているようだ。新しいビデオが公開されてから、わずか 10 時間ですでに 100 万人以上が視聴しました。古い人が去り、新しい役割が現れるのは歴史的な必然です。今年が人型ロボットの爆発的な年であることは間違いありません。ネットユーザーは「ロボットの進歩により、今年の開会式は人間のように見え、人間よりもはるかに自由度が高い。しかし、これは本当にホラー映画ではないのか?」とコメントした。ビデオの冒頭では、アトラスは仰向けに見えるように地面に静かに横たわっています。次に続くのは驚くべきことです

MLP に代わる KAN は、オープンソース プロジェクトによって畳み込みまで拡張されました MLP に代わる KAN は、オープンソース プロジェクトによって畳み込みまで拡張されました Jun 01, 2024 pm 10:03 PM

今月初め、MIT やその他の機関の研究者らは、MLP に代わる非常に有望な代替案である KAN を提案しました。 KAN は、精度と解釈可能性の点で MLP よりも優れています。また、非常に少数のパラメーターを使用して、多数のパラメーターを使用して実行する MLP よりも優れたパフォーマンスを発揮できます。たとえば、著者らは、KAN を使用して、より小規模なネットワークと高度な自動化で DeepMind の結果を再現したと述べています。具体的には、DeepMind の MLP には約 300,000 個のパラメーターがありますが、KAN には約 200 個のパラメーターしかありません。 KAN は、MLP が普遍近似定理に基づいているのに対し、KAN はコルモゴロフ-アーノルド表現定理に基づいているのと同様に、強力な数学的基礎を持っています。以下の図に示すように、KAN は

AI が数学研究を破壊する!フィールズ賞受賞者で中国系アメリカ人の数学者が上位 11 件の論文を主導 | テレンス・タオが「いいね!」しました AI が数学研究を破壊する!フィールズ賞受賞者で中国系アメリカ人の数学者が上位 11 件の論文を主導 | テレンス・タオが「いいね!」しました Apr 09, 2024 am 11:52 AM

AI は確かに数学を変えつつあります。最近、この問題に細心の注意を払っている陶哲軒氏が『米国数学協会会報』(米国数学協会会報)の最新号を送ってくれた。 「機械は数学を変えるのか?」というテーマを中心に、多くの数学者が意見を述べ、そのプロセス全体は火花に満ち、ハードコアで刺激的でした。著者には、フィールズ賞受賞者のアクシャイ・ベンカテシュ氏、中国の数学者鄭楽軍氏、ニューヨーク大学のコンピューター科学者アーネスト・デイビス氏、その他業界で著名な学者を含む強力な顔ぶれが揃っている。 AI の世界は劇的に変化しています。これらの記事の多くは 1 年前に投稿されたものです。

Google は大喜び: JAX のパフォーマンスが Pytorch や TensorFlow を上回りました! GPU 推論トレーニングの最速の選択肢となる可能性があります Google は大喜び: JAX のパフォーマンスが Pytorch や TensorFlow を上回りました! GPU 推論トレーニングの最速の選択肢となる可能性があります Apr 01, 2024 pm 07:46 PM

Google が推進する JAX のパフォーマンスは、最近のベンチマーク テストで Pytorch や TensorFlow のパフォーマンスを上回り、7 つの指標で 1 位にランクされました。また、テストは最高の JAX パフォーマンスを備えた TPU では行われませんでした。ただし、開発者の間では、依然として Tensorflow よりも Pytorch の方が人気があります。しかし、将来的には、おそらくより大規模なモデルが JAX プラットフォームに基づいてトレーニングされ、実行されるようになるでしょう。モデル 最近、Keras チームは、ネイティブ PyTorch 実装を使用して 3 つのバックエンド (TensorFlow、JAX、PyTorch) をベンチマークし、TensorFlow を使用して Keras2 をベンチマークしました。まず、主流のセットを選択します

テスラのロボットは工場で働く、マスク氏:手の自由度は今年22に達する! テスラのロボットは工場で働く、マスク氏:手の自由度は今年22に達する! May 06, 2024 pm 04:13 PM

テスラのロボット「オプティマス」の最新映像が公開され、すでに工場内で稼働可能となっている。通常の速度では、バッテリー(テスラの4680バッテリー)を次のように分類します:公式は、20倍の速度でどのように見えるかも公開しました - 小さな「ワークステーション」上で、ピッキング、ピッキング、ピッキング:今回は、それがリリースされたハイライトの1つビデオの内容は、オプティマスが工場内でこの作業を完全に自律的に行​​い、プロセス全体を通じて人間の介入なしに完了するというものです。そして、オプティマスの観点から見ると、自動エラー修正に重点を置いて、曲がったバッテリーを拾い上げたり配置したりすることもできます。オプティマスのハンドについては、NVIDIA の科学者ジム ファン氏が高く評価しました。オプティマスのハンドは、世界の 5 本指ロボットの 1 つです。最も器用。その手は触覚だけではありません

DualBEV: BEVFormer および BEVDet4D を大幅に上回る、本を開いてください! DualBEV: BEVFormer および BEVDet4D を大幅に上回る、本を開いてください! Mar 21, 2024 pm 05:21 PM

この論文では、自動運転においてさまざまな視野角 (遠近法や鳥瞰図など) から物体を正確に検出するという問題、特に、特徴を遠近法 (PV) 空間から鳥瞰図 (BEV) 空間に効果的に変換する方法について検討します。 Visual Transformation (VT) モジュールを介して実装されます。既存の手法は、2D から 3D への変換と 3D から 2D への変換という 2 つの戦略に大別されます。 2D から 3D への手法は、深さの確率を予測することで高密度の 2D フィーチャを改善しますが、特に遠方の領域では、深さ予測に固有の不確実性により不正確さが生じる可能性があります。 3D から 2D への方法では通常、3D クエリを使用して 2D フィーチャをサンプリングし、Transformer を通じて 3D と 2D フィーチャ間の対応のアテンション ウェイトを学習します。これにより、計算時間と展開時間が増加します。

FisheyeDetNet: 魚眼カメラに基づいた最初のターゲット検出アルゴリズム FisheyeDetNet: 魚眼カメラに基づいた最初のターゲット検出アルゴリズム Apr 26, 2024 am 11:37 AM

目標検出は自動運転システムにおいて比較的成熟した問題であり、その中でも歩行者検出は最も初期に導入されたアルゴリズムの 1 つです。ほとんどの論文では非常に包括的な研究が行われています。ただし、サラウンドビューに魚眼カメラを使用した距離認識については、あまり研究されていません。放射状の歪みが大きいため、標準のバウンディング ボックス表現を魚眼カメラに実装するのは困難です。上記の説明を軽減するために、拡張バウンディング ボックス、楕円、および一般的な多角形の設計を極/角度表現に探索し、これらの表現を分析するためのインスタンス セグメンテーション mIOU メトリックを定義します。提案された多角形モデルの FisheyeDetNet は、他のモデルよりも優れたパフォーマンスを示し、同時に自動運転用の Valeo 魚眼カメラ データセットで 49.5% の mAP を達成しました。

See all articles