Technologie

Turbostand voor deep learning

Pieter Edelman
Leestijd: 3 minuten

Het grote nadeel van diepe neurale netwerken is de grote rekentijd die nodig is, met name tijdens de training. Met een combinatie van optimalisatie- en databasetechnieken is die echter sterk te reduceren.

Met deep learning zijn snel heel aardige resultaten te boeken. Op een normale pc is een basaal neuraal netwerk met een beetje geduld wel te trainen om bijvoorbeeld beelden of handschriften te herkennen met een trefzekerheid boven de negentig procent.

Maar die laatste paar procenten zijn hardnekkig. Voor een beetje meer nauwkeurigheid moeten de netwerken gelijk veel groter worden, met navenant meer rekenwerk. En elke daaropvolgende verfijning vraagt om onevenredig meer moeite. Neurale netwerken lopen vandaag de dag behoorlijk uit de klauwen. Er worden al netwerken gerapporteerd met miljoenen kunstmatige neuronen.

This article is exclusively available to premium members of Bits&Chips. Already a premium member? Please log in. Not yet a premium member? Become one and enjoy all the benefits.

Login

Related content