知识卡片
训练学参数推理用参数
训练依据数据与目标调整模型参数,推理使用训练好的参数处理新输入。原书监督学习例用反向传播迭代权重,但网络结构不只限三类,训练也不只一种监督方式。训练时长、推理延迟和精度依模型与系统而变,不采纳数周/100ms等为通用数量定律。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
- · 异构加速
原书出处 · 1 处
- 异构加速 · 查看原书依据
训练就是权重调优的过程,可以使结构的函数拟合训练数据。大多数DNN采用监督式学习,使用一组训练集,通过预处理的数据进行学习,以获取准确的标签。设置权重是一个迭代的过程,利用训练集使神经网络反向传播。 训练的计算量非常庞大,可能需要数周的计算时间。每个数据样本的推理时间通常低于100毫秒,是
参考来源
- 位置:《软硬件融合 (黄朝波 著)》第7章《异构加速》(来源项目book-sources;源文件:extracted/软硬件融合 (黄朝波 著)/_epub-src/OEBPS/Text/chapter014.xhtml)
- 结论依据:该项对“训练依据数据与目标调整模型参数,推理使用训练好的参数处理新输入”给出定义、对比、案例或条件;保留论证范围,不将启发式当无条件定律。
- 原始内容:训练就是权重调优的过程,可以使结构的函数拟合训练数据。大多数DNN采用监督式学习,使用一组训练集,通过预处理的数据进行学习,以获取准确的标签。设置权重是一个迭代的过程,利用训练集使神经网络反向传播。 训练的计算量非常庞大,可能需要数周的计算时间。每个数据样本的推理时间通常低于100毫秒,是