矩阵乘法无需相乘，速度提升100倍，MIT开源最新近似算法( 二 ) _近似算法

Davis Blalock，MIT的计算机系博士生，致力于研发快速机器学习算法，他认为速度是衡量机器学习模型的一个非常重要的因素。

文章插图

John Guttag，MIT计算机系教授，研究方向是机器学习、AI和计算机视觉，目前的研究项目集中在医疗AI和医学成像上。
值得一提的是，这两位研究人员，此前还炮轰过神经网络中的剪枝算法。

文章插图

他们针对其中的81种算法进行了横向对比，发现“没有明确证据表明，这些算法在10年内，对任务效果有明显改善” 。
研究一作Davis Blalock还认为：

这些改进都是所谓的“微调”，而不是科研人员声称的“核心创新”，甚至有些改进方法可能根本就不存在。

在对AI模型进行效率提升上，两位作者确实是很严格了。
项目地址：
https://github.com/dblalock/bolt
论文地址：
https://arxiv.org/abs/2106.10860
参考链接：
[1]https://mp.weixin.qq.com/s/VK2W9zD83ddSzYSLLS21UQ
[2]https://news.ycombinator.com/item?id=28375096
— 完 —
量子位 QbitAI · 头条号签约
关注我们，第一时间获知前沿科技动态

【矩阵乘法无需相乘，速度提升100倍，MIT开源最新近似算法】