本文研究了神经网络中的比例定律，发现其在模型性能预测、开发加速和优化选择方面的重要性。研究表明，交叉熵损失与模型规模、数据集大小及计算量之间存在幂律关系，并提出了优化模型容量分配的建议，同时探讨了训练集偏差对模型性能的影响。

该研究利用比例定律推导了最优计算模型的尺寸，并成功将其实现在视觉变换器中，证明了形状优化的视觉变换器在多个任务中都能取得出色的效果，为更有信息的比例扩展铺平了道路。