研究人员开发了一种通过补丁统计分解来加速双曲神经网络(HNNs)计算的新方法。该方法优化了Poincaré卷积的评估,显著加快了Poincaré U-Net和Poincaré ResNet-20等模型的训练时间。与现有实现相比,该方法将内存使用量减少了高达55%,并将训练更新速度提高了1.4到1.8倍,同时保持了相似的模型性能。 AI
影响 加速了双曲神经网络的训练,可能支持更大模型的开发和更快的研发周期。
排序理由 该集群包含一篇研究论文,详细介绍了提高双曲神经网络效率的新方法。
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
- Henri Poincaré
- HNN++
- Hyperbolic Neural Networks++
- Jax
- Poincaré ResNet-20
- Poincaré U-Net
- PyTorch Hyperbolic U-Net
- RTX A6000
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →