Mbelata ịdị nkọ-mmara
Nkọba-Aware mbelata (SAM) bụ usoro njikarịcha nke na-achọ ọ bụghị naanị mfu dị ala kama ọ dị obere mfu n'ofe mpaghara ịdị arọ - opekempe dị larịị.
Nchịkọta
Flatter minima tend to generalize better, so SAM often improves test accuracy and robustness without changing the model architecture.
Ime miri emi
Ọzụzụ ọkọlọtọ na-ebelata ọnwụ n'otu oge na oghere dị arọ, mana ngwọta abụọ nwere otu ọnwụ ọzụzụ nwere ike ịkpa àgwà dị iche iche: 'nkọwa' kacha nta na-anọdụ na ndagwurugwu dị warara ebe obere ihe mgbagwoju anya na-abawanye ọnwụ, ebe 'obere' kacha nta na-anabata mmekpa ahụ ma na-emekarị ka ọ dịkwuo mma ka data a na-adịghị ahụ anya. SAM, nke ndị nyocha Google webatara na 2020, mere ka nke a pụta ìhè. Na nzọụkwụ nke ọ bụla, ọ na-ebu ụzọ chọta nsogbu dị arọ dị nso (n'ime obere radius rho) nke na-eme ka ọnwụ dịkwuo elu - onye agbata obi kasị njọ - wee na-emelite ihe mbụ dị arọ iji belata ọnwụ n'ebe ahụ gbagwojuru anya. Ebumnuche nke mini-max a na-akwalite njikarịcha na mpaghara ndị dị n'otu n'otu, na-enye nkọwapụta nke ọma na nhazi onyonyo na karịa.
Nghọta nka nka
Nzọụkwụ SAM ọ bụla bụ ngafe abụọ. Nke mbụ, gbakọọ gradient n'ihe ọ̀tụ̀tụ̀ dị ugbu a wee were nzọụkwụ 'nrịgo' nke nha rho na ntụzịaka gradient iji ruo ebe kacha njọ dị nso. Nke abụọ, gbakọọ gradient ahụ n'ebe ahụ gbagwojuru anya ma jiri ya kwalite ibu mbụ. Radius rho na-achịkwa otú nnukwu agbata obi ị na-echebe megide. Ọnụ ego a na-akwụ bụ ihe dị ka ngafe abụọ na-aga azụ n'azụ kwa nzọụkwụ, nke na-agbakọ okpukpu abụọ - isi ihe ndọghachi azụ bara uru.
Mmetụta atụmatụ
Ọnụ ego na mmefu ego
Mkpebi ihe owuwu ụlọ na-akwalite arụmọrụ yana ọnụ ahịa ọrụ ruo ọtụtụ afọ.
Mkpebi doro anya
Nkà mmụta nka na-enyere ndị otu egwuregwu aka ịhọrọ nchịkọta ziri ezi, ọ bụghị naanị nke kachasị ọhụrụ.
Quality akara
Nhọrọ injinia ka mma na-ebelata ihe omume ntụkwasị obi na mmepụta.
Ọdịnihu nke mbelata ịdị nkọ-mara
SAM ewepụtala ezinụlọ nke ihe nleba anya na nnukwu adịghị ike ya, gbakọọ okpukpu abụọ: ụdị dị mma dị ka ESAM, LookSAM, na ụzọ ndị na-akpaghasị naanị obere nha ma ọ bụ tinye SAM n'ime usoro ole na ole. Adaptive SAM (ASAM) na-emegharị radius ka ọ bụrụ ọnụ ọgụgụ-adịghị agbanwe agbanwe. Ndị na-eme nchọpụta na-aga n'ihu na-arụrịta ụka kpọmkwem ihe kpatara flatness na-enyere aka na otu esi atụle ya, na echiche dị nkọ na-agbasa na-emeziwanye ụdị asụsụ buru ibu ma na-emeziwanye ike na mgbanwe nkesa.
Mmejuputa n'ezie n'ụwa
Na-akwalite ntụgharị ọhụụ na ResNet izi ezi na ImageNet site na ọzụzụ na SAM kama SGD doro anya.
Na-emeziwanye ike iji kpọọ mkpọtụ, ebe ọ bụ na obere obere obere adịghị enwe ike iburu akara ndị mebiri emebi n'isi.
Ndozi ụdị asụsụ a zụrụ nke ọma na SAM iji nweta nkọwapụta nke ọma na obere dataset mgbada.
Iji ESAM ma ọ bụ LookSAM dị iche iche mgbe ọnụ ahịa ịgbakọ okpukpu abụọ nke vanilla SAM dị oke ọnụ.
Ihe ize ndụ & okporo ụzọ nche
Ịkwalite otu akara ngosi nwere ike zoo adịghị ike sistemụ sara mbara.
A na-eledakarị ihe akụrụngwa na ụgwọ ọrụ anya.
Ọdịiche nchekwa na nleba anya nwere ike itolite ka sistemu na-adịwanye mgbagwoju anya.
Map mmejuputa
Kọwaa latency, ịdịmma na ebumnuche ọnụ ahịa tupu mmejuputa ya.
Benchmark n'okpuru ibu dị adị na ọnọdụ data.
Nleba anya akụrụngwa maka mperi, ịkpafu na mmetụta onye ọrụ.
Kwadebe ụzọ nzaghachi azụghachi azụ na ihe omume tupu ịchachaa.
Nọgide na-eme nchọpụta
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Sharpness-Aware Minimization quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Ntuziaka na-esote
DenseNet na nnukwu njikọ
Ajụjụ a na-ajụkarị
What is Sharpness-Aware Minimization?
Nkọba-Aware mbelata (SAM) bụ usoro njikarịcha nke na-achọ ọ bụghị naanị mfu dị ala kama ọ dị obere mfu n'ofe mpaghara ịdị arọ - opekempe dị larịị. Obere obere na-emekarị ka ọ dịkwuo mma, ya mere SAM na-emekarị ka ọ dịkwuo mma ule ziri ezi na nkwụsi ike na-agbanweghị ụkpụrụ ụlọ.
Kedu ụdị opekempe SAM na-agbalị ịchọta?
SAM lekwasịrị anya minima dị larịị n'ihi na mfu nke na-adị ala n'okpuru obere nsogbu ịdị arọ na-eme ka ọ dịkwuo mma karịa data a na-ahụghị anya.
Kedu ngafe azụ azụ ole ka usoro SAM ọkọlọtọ chọrọ?
SAM na-agbakọ gradient ka ịchọta ebe kacha njọ dị nso, mgbe ahụ gradient ọzọ ebe ahụ imelite - ihe dị ka ọnụ ahịa okpukpu abụọ.
Kedu ihe radius hyperparameter rho na-achịkwa na SAM?
Rho na-esetịpụ ogologo nzọụkwụ 'nrịgo' ga-aga ịchọta onye agbata obi kacha njọ, na-akọwapụta nnukwu mpaghara SAM dị larịị na-achọ.
Gịnị bụ nke mbụ n'ime nzọụkwụ abụọ nke SAM na ntugharị ọ bụla?
SAM na-akpaghasị ihe ọ̀tụ̀tụ̀ dị n'ime radius rho n'ụzọ na-eme ka ọnwụ dịkwuo elu, wee rịdata site na ebe mbụ site na iji gradient gbakọrọ ebe ahụ.
Kedu ihe kpatara SAM na-ejikarị emewanye ike iji kpọọ mkpọtụ?
Icheta aha ndị na-eme mkpọtụ na-achọkarị obere mkpụkọ dị warara; Site n'ịkwado mpaghara dị larịị, SAM na-eguzogide oke ahụ.