公平通过获取:小规模深度学习的案例
原文中文,约300字,阅读约需1分钟。发表于: 。通过检验 131 个不同的 DL 体系结构,并在三个医学图像数据集上捕捉性能 - 资源权衡的趋势,我们引入了一种新的度量方法来估计每个资源单位的性能(PePR 得分),从而解决大规模 DL 模型的资源消耗问题。我们还展示了使用预训练模型可以显著减少计算资源和数据要求,并希望这项工作可以鼓励开发 smaller resource footprints 的方法和模型,从而提高 AI 的公平性。
研究人员通过检验131个不同的DL体系结构,并在三个医学图像数据集上捕捉性能-资源权衡的趋势,引入了一种新的度量方法来估计每个资源单位的性能。他们还展示了使用预训练模型可以显著减少计算资源和数据要求,希望这项工作可以鼓励开发更小的资源占用方法和模型,提高AI的公平性。