抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
深層学習は最新の結果多くの重要な分野を改善した,近年多くの研究の主題となっており,深い学習を促進するためのいくつかのシステムの開発をもたらした。が,現在のシステムは主にモデル構築と訓練相に焦点を当て,データ管理,モデル共有,ライフサイクル管理の課題は多くは無視されている。深層学習モデリングライフサイクルデータアーチファクト,例えば,学習したパラメータおよび訓練記録の豊富な集合を生成し,それは,例えば,いくつかの頻繁に行わタスクから成るモデル挙動を理解し,新しいモデルを使ってみたい。そのようなアーチファクトへの対応と課題である面倒で,ユーザに左ていた。深い学習のためのデータとライフサイクル管理システムのビジョンと実現について述べた。深層学習モデル開発者はこれによって一般的に実施タスクからモデル探査とモデル計数質問を一般化し,抽象レベルを上昇させ,それによりモデリングプロセスを加速するために,SQLに触発され,高レベルのドメイン固有言語(DSL)を提案した。データアーチファクト,特にcheckpointedフロートパラメータの大きな量の多様性を管理するために,著者らは新規なモデルバージョン管理システム(dlv),貯蔵フットプリントを最小化し,精度の最小損失で質問負荷を加速するリード最適化されたパラメータ記録保存システム(PAS)を設計した。PASは重要でないビットを貯蔵別々に多重解像度様式でデルタを用いたバージョンモデルを,新しい進行性質問(推論)評価アルゴリズムを特徴としている。第三に,Co検索制約下でのデルタを用いたアーカイブバージョンモデルのためのe十分アルゴリズムを開発した。は提案した技術の不全を示すためにコンピュータビジョン領域からいくつかの実データセット上で広範な実験を行った。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】