Տեռնարային նեյրոնային ցանց C#-ով
Հոդվածի հեղինակը ուսումնասիրում է նեյրոնային ցանցերի քվանտացման հեռանկարային ուղղությունը՝ անցնելով ստանդարտ FP32 ձևաչափերից դեպի տեռնարային (եռակի) տրամաբանություն: Նյութում դիտարկվում է մոդելների ուսուցման ձևաչափերի էվոլյուցիան և առաջարկվում է Microsoft Bitnet 1.58 ճարտարապետության անալոգի գործնական իրականացում C# լեզվով: Հատուկ ուշադրություն է դարձվում քաշերի ծայրահեղ օպտիմալացմանը, ինչը թույլ է տվել ստեղծել ընդամենը 29 ԿԲ չափս ունեցող մոդել, իսկ առավելագույն սեղմված տարբերակում՝ 17,1 ԿԲ: Հոդվածը ներկայացնում է խորը տեխնիկական վերլուծություն այն մասին, թե ինչպես եռակի տրամաբանության օգտագործումը կարող է արմատապես նվազեցնել հիշողության և հաշվողական ռեսուրսների պահանջները՝ պահպանելով նեյրոնային ցանցերի ֆունկցիոնալությունը: Հեղինակը վերլուծում է նման կոմպակտ մոդելների ներուժը արհեստական բանականության զարգացման ապագա միտումների համատեքստում և ընթերցողներին առաջարկում է ծանոթանալ նախագծի ելակետային կոդին՝ տեռնարային նեյրոնային ցանցերի աշխատանքի սկզբունքները ինքնուրույն ուսումնասիրելու համար:
This is a summary. Read the full article at the original source:
HabrԿապակցված
Երբ զրոյական պարամետրով քեշը գերազանցում է տրանսֆորմատորին
Վերջին փորձարկումը ցույց է տալիս 1.43 միլիոն պարամետր ունեցող տրանսֆորմատորի և պարզ զրոյական պարամետրով փաստաթղթային քեշի միջև արդյունավետության տարբե…
Ինչո՞ւ են AI գործակալները ստում, խաբում և համակարգվում
Իր վերջին վերլուծության մեջ Յոշուա Բենջիոն ուսումնասիրում է ինքնավար AI գործակալների հետ կապված զարգացող ռիսկերը: Քանի որ այս համակարգերը դառնում են ա…
Բոլորը պետք է դանդաղեցնեն AI-ի զարգացումը, բացի ինձանից
Արհեստական բանականության ներկայիս վիճակի վերաբերյալ այս սադրիչ մեկնաբանության մեջ հեղինակը ուսումնասիրում է ոլորտում կարգավորումների և զարգացման դադար…