人类还是战胜了机器：谈谈最强模型

其实这篇文章很早之前就准备写，但由于各种事情耽误，加上自己对一些细节没有理解透彻，所以一直没有动笔。

 

现在做的方向越来越远，所以还是趁热打铁，重点写一些自己的理解，希望对大家能有所启发。

 

标题里写“人类还是战胜了机器”，有一些对比人类和机器的意味，主要想起前前段时间大热的AutoML。AutoML是自动化机器学习的意思，如何自动化？自然是利用机器，机器自己设计机器学习算法和参数，而不需要太多的人工干预。

 

AutoML中很重要一部分就是网络结构搜索，NAS: Neural Architecture Search, 使用一些算法来自动搜索/设计网络结构，而不是一个一个由人工设计。Google在这方面做了很多开开拓性的工作，也取得了一些不错的效果，但其本质还是在很大的限制范围内（搜索空间）去搜素，很难把所有可能性（太多）穷尽。

 

ResNeSt中的S是split，把总的channel split成K个，每部分分别进行计算，具体的流程图如下所示，可以参考作者在Bilibili的讲解，链接在文末。

 

ResNeSt的效果非常好，超过了基于AutoML的EfficientNet，当然也用了很多训练技巧，例如数据增强，现在几乎已经变成了必备技能。

 

虽然ResNeSt通过split的结构设计，获得了比之前暴力搜索更好的效果，但并不代表人类就大获全胜。当然，比较人类和机器本身也没有太大的意义。机器擅长计算，而不擅长思考、设计，人则有更好的创造性。

 

世界既需要计算力，也需要创造性，毕竟这个世界不可能通过暴力计算穷举。

 

参考：

作者本人在Bilibili的讲解

https://www.bilibili.com/video/BV1PV411k7ch#reply3078900535

  

相关文章

人工智能技术分析

人工智能机器学习深度学习

AI人工智能三要素：数据、算力和算法

计算机视觉(CV)任务介绍：分类、检测、分割、超分、关键点识别、图像生成、度量学习

关于我

缘起：新的开始

 

公众号持续更新原创内容，欢迎订阅。

 

AI人工智能与大数据