期刊導航
FractalNet論文有多重要？
現在打電話可能還為時過早，因為它已經在arxiv上工作了不到三個月。另外，我只閱讀了摘要。但是，我的猜測是，它并不是特別重要，主要是因為抽象聲明只改善了一個數據集的結果，而且數據集CIFAR-100并不像CIFAR-10或ImageNet那樣受歡迎和競爭。但公平地說，在你自己閱讀或聽過讀過它的人之前，你不應該判斷這篇論文。我只是從抽象中猜測這不是一個重大的進步。
我認為更重要的一篇相關論文是這樣的：[1603.09382]具有隨機深度的深度網絡
隨機深度論文具有更廣泛的意義，因為它表明不屬于“深層神經網絡學習在每一層的不同表示”范式的深層模型可以很好地工作。這給了很多支持“深度神經網絡學習多步驟程序”范例的證據。以前，人們都知道這兩種解釋。大多數深度學習模型都可以用兩種范式來描述，但我覺得表征學習解釋更受歡迎（考慮一個主要的深度學習會議被稱為國際學習表征會議）。隨機深度論文顯示，您可以通過程序的多個步驟更新單個表示，并且該表示非常有效。它還表明，讓這個程序運行更長時間是有幫助的，即使它沒有經過長時間的訓練。這表明相對被忽視的多步驟程序解釋可能一直是更重要的解釋。
本站所有相關知識僅供大家參考、學習之用，部分來源于互聯網，其版權均歸原作者及網站所有，如無意侵犯您的權利，請與小編聯系，我們將會在第一時間核實并給予反饋。
提供云服務支持