Недавно компания Google объявила о своем прорыве в глубокой нейронной сети (DNN) MobileNet-V2. Он превзошел все доступные технологии DNN с точки зрения скорости обработки, требований к памяти и низкого энергопотребления, при этом достигнув современной точности (ухудшение всего на 1,5% по сравнению с наиболее точным ResNext-101–64x4d). Моментальный снимок производительности MobileNet-V2 с современным DNN представлен ниже.
Действительно, это похвальная, нетривиальная работа крутых исследователей Google, которая также сместила технологию emDNN AiOTA Labs с ее позиции №1 (серия сообщений в блоге на носителе от AiOTA Labs).
Нет ничего плохого в том, чтобы быть оттесненным на второе место более достойным кандидатом. Но, как говорится, сделайте шаг назад для лучшего прыжка.
Лаборатории AiOTA вошли в режим гибернации вместе со своими учебниками по математике на один месяц, чтобы вернуть утраченную позицию №1. В таблице ниже показаны результаты нашего 1 месяца интенсивного исследования. Сравнение показано только с MobileNet-V2, поскольку он уже превзошел всех своих ближайших конкурентов.
Технология emDNN от AiOTA Labs с комфортом превзошла по всем параметрам MobileNet-V2, в то же время увеличивая точность и обеспечивая обработку в реальном времени (более 30 FPS), что, в свою очередь, возвращает нас на позицию №1 !!!!!
MobileNet имеет хорошую возможность с точки зрения масштабируемой сети, где вы можете найти баланс между точностью и производительностью. emDNN также имеет такую же масштабируемую технологию. Давайте посмотрим, как emDNN работает в сети, где мы взяли MobileNet-V2–0,75 с точностью 70% и сравнили ее с технологией emDNN, где мы также снизили нашу точность до 70%.
Таким образом, наша масштабируемая функция соответствует ожиданиям, а также превосходит масштабируемую функцию MobileNet-V2 !!
Следует отметить один важный момент: все эти результаты получены на одном ядре пикселя-1 без квантования и отсечения. Если выполнить глубокое сжатие, все цифры будут лучше на мультипликативные 10X (хотя мы не выполняли глубокое сжатие, поскольку мы хотим сравнить яблоко с яблоком с MobileNet-V2)
Но нас всех повсюду окружают блестящие исследователи. Кто знает, возможно, нас снова оттеснят на второе место. Но до этого момента мы можем наслаждаться нашим односолодовым виски, но без особой осторожности. Кто знает, что будет завтра утром.
Если вас интересует технология AiOTA Labs и вы хотите самостоятельно запустить этот волшебный emDNN, напишите письмо на адрес [email protected]. Мы интегрировали emDNN в PyTorch, Caffe и TensorFlow в виде библиотек.
Вы также можете посетить наш веб-сайт по адресу www.aiotalabs.com или по любым другим вопросам пишите на [email protected].
