PROPOSTE DI TESI e/o STAGE

Deep learning: accelerare l'addestramento su grandi dataset

 
 
Immagine Grisan Enrico
Deep learning: accelerare l'addestramento su grandi dataset
di Grisan Enrico - martedì, 21 marzo 2017, 16:13
 

Nelle moderne applicazioni di deep learning, l’addestramento delle reti neurali profonde per il riconoscimento di oggetti, la segmentazione, la classificazione è la parte più oneraosa dal punto di vista compuitazionale.

Per data set come quello di ImageNet (8 milioni di immagini, 200 categorie), o di Google DeepMind per la retina (130000 immagin, 5 categorie), il tempo di addestramento può essere di settimane.


Lo scopo della tesi è di esplorare se l’utilizzo di un peso variabile per i campioni durante l’addestramento, simile a quello che si fa in ADA-boost, possa essere una strategia efficiente per permettere all’addestramento di convergere più velocemente, concentrando l’attenzione sugli esempi più difficili.