谷歌开源新模型EfficientNet：图像识别效率提升10倍，参数减少88%

论文作者 | Mingxing Tan, Quoc V. Le 编译整理 | Alex 编辑 | Natalie AI 前线导读： 卷积神经网络通常是再有限的资源下进行开发，然后在条件允许的情况下将其扩展到更大的计算资源上以获得更好的准确率。谷歌 AI 的科学家们在论文《EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks》中系统地研究了模型扩展的问题，并提出了新的复合扩展法以及一个更高性能的 EfficientNet，EfficientNet 模型的相关代码和 TPU 训练数据也已经在 GitHub 上开源。该论文已被 ICML2019 接收，AI 前线对其进行了简单地梳理总结，本文是 AI 前线第 81 篇论文导读。更多优质内容请关注微信公众号“AI 前线”（ID：ai-front） 介    绍 模型扩展被广泛地用于提高卷积网络的准确性。例如，Res ………………………………