点击购买,资源将自动在新窗口打开.
获取独家产品信息,尽享促销优惠!立即订阅,不容错过
* 限···时··优惠
在过去几年中,发展,培训和预测深度学习模型的能源成本已大大增加。随着神经网络模型变得更大,更复杂,可以执行越来越复杂的任务,对计算资源的需求,尤其是图形处理单元(GPU)和张量处理单元(TPU)的需求迅速增加。对计算资源需求的这种增加导致能源消耗的相应增加,这导致了人们对AI的可持续性和环境影响的关注。因此,对于研究和行业社区而言,探索新算法和技术的开发至关重要,用于培训更有效的神经网络模型。与原始算法相比,这些修改中的几种需要更少的性能。
主要关键词