“プルーニング手法によりImageNet事前学習済みモデルのスパース化を行ったときの転移学習性能について広範な分析を行った結果、ImageNet分類精度が同等でも、下流タスクや学習設定によって異なる性能が得られることが示

deejayroka のブックマーク 2022/09/12 09:51

<blockquote class="hatena-bookmark-comment"><a class="comment-info" href="https://b.hatena.ne.jp/entry/4725146953433633891/comment/deejayroka" data-user-id="deejayroka" data-entry-url="https://b.hatena.ne.jp/entry/s/ai-scholar.tech/articles/pruning/sparse_imagenet_models" data-original-href="https://ai-scholar.tech/articles/pruning/sparse_imagenet_models" data-entry-favicon="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fai-scholar.tech%2Farticles%2Fpruning%2Fsparse_imagenet_models" data-user-icon="/users/deejayroka/profile.png">ImageNet事前学習モデルのプルーニングは下流タスクでどのように機能するか？</a><ul class="comment-tag" style="list-style: none; margin: 0px;"><li style="float: left">[<a href="https://b.hatena.ne.jp/q/AI">AI</a>]</li></ul><br><p style="clear: left">“プルーニング手法によりImageNet事前学習済みモデルのスパース化を行ったときの転移学習性能について広範な分析を行った結果、ImageNet分類精度が同等でも、下流タスクや学習設定によって異なる性能が得られることが示</p><a class="datetime" href="https://b.hatena.ne.jp/deejayroka/20220912#bookmark-4725146953433633891"><span class="datetime-body">2022/09/12 09:51</span></a></blockquote><script src="https://b.st-hatena.com/js/comment-widget.js" charset="utf-8" async></script>

このブックマークにはスターがありません。
最初のスターをつけてみよう！