Re: [新聞] 以繞射取代電子的3D列印深度學習神經網路已回收
現在架構在電腦上的深度網絡,事實上就是一堆矩陣
矩陣內有值,而圖片也是一堆值組成的
值在 0 - 255 之間,如果是 RGB 的話,就會有 R G B 共三個 channel
把你輸入的圖片,和一層一層的矩陣乘起來
當然其中還引入一些很簡單的數學操作,譬如說把這些值帶入某個非線性函數
或標準化之類的,最後你可以讓它輸出一些值
這些值可以是矩陣、向量或就是一個 scalar
而要知道,這個過程是需要花費能量和時間的
通常分類問題,譬如說這個例子中的 0-9 的圖片分類
大概會花費 10 - 100 ms 之間
如果是 Object detection 甚至是 Segmentation 的話
花費到將近一秒的時間去做推論(把輸入乘那一堆矩陣)都是有可能的
而且可是用尊貴的 GPU 譬如 1080 Ti 去做的運算哦
現在好啦,火星人們覺得光本身就攜帶能量和訊息
我只要過濾這些光就可以作到跟 GPU 做的事情一樣
意不意外?開不開心?
因為你想想,你哪裡被插了嗎
沒有嘛,你沒有一個 600W 的電源供應器插你在提供你能源
做這一堆比分類問題還要複雜千萬倍的運算上
你接收光、用非常低能耗的方式擷取非常複雜的訊息
和這研究的核心精神非常相似
簡直太神啦
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 123.240.34.164
※ 文章網址: https://www.ptt.cc/bbs/Gossiping/M.1533387159.A.CA2.html
→
08/04 20:53,
5年前
, 1F
08/04 20:53, 1F
推
08/04 20:55,
5年前
, 2F
08/04 20:55, 2F
推
08/04 20:55,
5年前
, 3F
08/04 20:55, 3F
※ 編輯: Sixigma (123.240.34.164), 08/04/2018 20:56:19
推
08/04 20:56,
5年前
, 4F
08/04 20:56, 4F
推
08/04 20:57,
5年前
, 5F
08/04 20:57, 5F
推
08/04 20:57,
5年前
, 6F
08/04 20:57, 6F
→
08/04 20:58,
5年前
, 7F
08/04 20:58, 7F
推
08/04 20:59,
5年前
, 8F
08/04 20:59, 8F
→
08/04 20:59,
5年前
, 9F
08/04 20:59, 9F
→
08/04 20:59,
5年前
, 10F
08/04 20:59, 10F
→
08/04 21:00,
5年前
, 11F
08/04 21:00, 11F
→
08/04 21:00,
5年前
, 12F
08/04 21:00, 12F
推
08/04 21:01,
5年前
, 13F
08/04 21:01, 13F
→
08/04 21:01,
5年前
, 14F
08/04 21:01, 14F
推
08/04 21:03,
5年前
, 15F
08/04 21:03, 15F
推
08/04 21:12,
5年前
, 16F
08/04 21:12, 16F
推
08/04 21:22,
5年前
, 17F
08/04 21:22, 17F
推
08/04 21:48,
5年前
, 18F
08/04 21:48, 18F
→
08/04 21:48,
5年前
, 19F
08/04 21:48, 19F
推
08/04 21:52,
5年前
, 20F
08/04 21:52, 20F
→
08/05 10:58,
5年前
, 21F
08/05 10:58, 21F
討論串 (同標題文章)
完整討論串 (本文為第 2 之 3 篇):