您的位置 首页 智能

谷歌联手苏黎世联邦理工学院 简化人工智能模型训练

[虾米新闻智能频道]为了学习复杂数据的分布,生成人工智能模型,这要求他们善于生成类似人类的语音和图像。但是,训练这些模型需要大量的标记数据,但语料库有时供不应求。 因此,谷歌和苏黎…

[虾米新闻智能频道]为了学习复杂数据的分布,生成人工智能模型,这要求他们善于生成类似人类的语音和图像。但是,训练这些模型需要大量的标记数据,但语料库有时供不应求。

因此,谷歌和苏黎世联邦理工学院的研究人员提出了一个解决方案。他们描述了一个语义提取器,它从训练数据和方法中提取特征,从标记图像的一小部分推断出整个训练集的标签。

在研究人员提出的几种无监督方法中,他们首先提取特征标识符,然后进行聚类分析,对识别形式进行分组,使同一组中的身份形式比其他组中的识别形式更具共同性。 。最后,他们训练了一个GAN神经网络,它是一个由两部分组成的神经网络,由一个生成样本的生成器和一个识别器组成,该识别器试图通过推断标签来区分生成的样本和实际样本。

人工智能
人工智能

在另一种称为联合训练的预训练方法中,使用无监督,半监督和自监督方法的组合来推断标签信息与GAN训练同时进行。在无监督的步骤中,他们采用以下两种方法之一:完全删除标签或为实际图像分配随机标签。相反,在半监督阶段,当标签可用于真实数据的子集时,它们训练分类器以训练鉴别器的特征标识符,它们用于预测未用真实图像标记的标签。

为了测试该技术的性能,研究人员使用了ImageNet数据库,该数据库包含超过130万个训练图像和50,000个测试图像,每个图像对应1000个对象类别中的一个。在第三代Google处理单元(TPU)的1280个核心上,在使用无人监督,预训练和联合训练方法对每个GAN进行三次训练后,他们将输出质量与两个评分指标进行了比较:FID和IS。

未来,研究人员希望研究如何将这些技术应用于更大,更多样化的数据集。

本文来自网络,不代表头条新闻网立场,转载请注明出处:http://www.yzdy.org/zn/27424/

作者: 头条新闻

为您推荐

发表评论

电子邮件地址不会被公开。 必填项已用*标注

联系我们

联系我们

工作时间:周一至周五,9:00-17:30,节假日休息

关注微信
微信扫一扫关注我们

微信扫一扫关注我们

关注微博
返回顶部