资源受限的深度学习:挑战与实践

摘要：

深度学习近年来取得了突出进展,然而,深度学习模型需要占用大量的与计算相关的资源,同时其学习过程需要大量的数据与标记,因此目前深度学习领域的一个热点是降低其对计算和数据资源的渴求,即研究资源受限的深度学习.本文首先分析深度学习对资源的渴求及其导致的挑战,然后分别从数据、标记、计算资源受限3 个方面对目前的研究进展简要描述,并以在计算机视觉领域的研究实践为例进行较详细的介绍.

关键词： 深度学习 数据资源 标记资源 计算资源 资源受限

作者: 吴建鑫 高斌斌 魏秀参 罗建豪

作者单位: 南京大学软件新技术国家重点实验室,南京210023

会议类型: 国内会议

会议名称: 人工智能领域青年学者研讨会

会议地点: 昆明

会议语种:中文

页码: 501-510

在线出版日期: 2017-08-04（万方平台首次上网日期，不代表论文的发表时间）