심층 학습. DeepMind(Google)의 Perceiver를 이해하는 요령.

개요



다음 DeepMind (Google)의 Perceiver,

Jaegle, A., Gimeno, F., Brock, A., Zisserman, A., Vinyals, O., & Carreira, J. (2021). Perceiver: General perception with iterative attention. arXiv preprint arXiv:2103.03206.

Perceiver: General Perception with Iterative Attention
htps : // 아 rぃ v. rg/아bs/2103.03206

에 관하여, 이해하는 요령을 기재한다.

이해하는 요령 1



다음은 논문의 그림 1 인용.



이 아키텍처를 포함하여 이해하는 요령은
  • 심층 학습의 경우는, 뭐든지 있어※1이므로, 일일이, 개별의 의미나 작용에 관하여 진지하게 생각하지 않는 것.

  • ※1 매우 대규모의 파라미터와, 트레이닝이 있기 때문에, 기본, 뭐든지 있어. 예를 들어, 어떤 처리는 곱해야 할 곳을 잘못 더해도, 그것은 어쨌든 될 수 있습니다 (예 :).
  • 「Q] 「K」 「V」가 신경이 쓰일지도 모르지만, , 뭐, 적당하게 생각하면 좋다(할 것).
  • Weights의 shared도, 의미가 있다고 이해해도 되고, 파라미터를 줄이고 있는 것만으로 이해해도 좋다.

  • 요약



    특히 없습니다.

    관련 기사(본인)



    DeepMind(Google)의 Perceiver 기사에서 알기 쉬운 생각한 기사 N선택(아직, N=1)

    심층 학습. DeepMind(Google)의 Perceiver의 코코가 신경이 쓰인다.

    좋은 웹페이지 즐겨찾기