인공지능 썸네일형 리스트형 [CVPR2023] Adaptive Data-Free Quantization https://openaccess.thecvf.com/content/CVPR2023/html/Qian_Adaptive_Data-Free_Quantization_CVPR_2023_paper.html AbstractData Free Quantization에서 Quantized Model의 성능을 복원하기 위해 가짜의 데이터 샘플을 생성하는 경우가 많음.하지만, 기존 방식은 양자화가 진행되지 않은 Full-precision Model P을 기준으로 생성되기 때문에 Quantized Model과는 독립적이며, 생성된 샘플이 Quantized Model에 효과적인지 검증되지 않음. 또한, 일반화 오류가 존재해 다양한 Quantization 비트 폭에서 적응성이 좋은지 밝혀지지 않음. (Quantization은 3.. 더보기 GCN (Graph Convolution Network) 개념 GCN은 왜 생기게 되었을까? 인공지능 분야에서 이미지데이터를 처리할 때에는 CNN (Convolutional Neural Network)을 가장 대표적으로 사용합니다. 그리고 순차적인 데이터 (ex. 음성 데이터, 텍스트 데이터)같은 경우에는 RNN (Recurrent Neural Network)을 대표적인 모델로 떠올릴 수 있습니다. 하지만 위와 같은 데이터들이 아닌 연관관계가 있는 데이터들이 있다면 CNN, RNN같은 기존 모델들이 좋은 성능을 보일까요? 모델의 개념에 대해 공부해보신 분들은 연관관계를 고려하지 못할 것이라는 것을 쉽게 유추하실 수 있을 것입니다. 연관관계가 있는 데이터의 예를 든다면 1. SNS의 Social Network 2. 인간의 뇌세포 구조 3. 3차원형태의 픽셀 그림(3D.. 더보기 인공지능의 개념 인공지능이란 인간의 지능으로 할 수 있는 여러 능력을 컴퓨터로 구현한 것. 인공지능은 다음과 같이 정의할 수 있다. 동작의 시뮬레이션: 학습의 측면과 지능을 정확히 묘사 -> 기계가 시뮬레이션 가능 생각의 흉내: 컴퓨터가 생각할 수 있는 능력 작업의 조력자: 사람보다 효율적으로 일하는 것 지능적 행동: 복잡한 환경에서 인공지능이 수행하는 지적 행동을 정리 인공지능의 발전과정 논리/규칙 기반(1960~1980년대)현실의 문제 정의 못함, 세상의 모든 지식을 알려줄 수 없음 연결기반(1980~1990년대)계산이 복잡, 신경망을 충분히 학습시킬 수준이 안됨훈련시킬 데이터 부족 기계학습(1990~2010년대)최적화 방식으로 문제 해결 -> 다른 분야에 적용하기 어려움특성 설계의 능숙도에 따라 성능 좌우 딥 러닝.. 더보기 이전 1 다음
