案例 ：SVP/一种用于深度学习的高效数据选择方法

作者：Cody Coleman, Peter Bailis, and Matei Zaharia 翻译：杨毅远 校对：王琦本文长度为1800字，建议阅读7分钟本文为你介绍SVP方法如何在保证识别准确率的同时，有效地提高深度学习中计算效率。本文主要介绍了SVP（Selection via proxy）方法。作为一种用于深度学习的数据选择方法，其可以在保证识别准确率的同时，有效地提高深度学习中计算效率。例如，在主动学习中，SVP运行速度最多可提高41.9倍，同时误差没有显著增加，这对于深度学习中提高模型训练速度来说是一个有效方法。在许多任务中我们会用可获得的海量数据来训练深度网络，那么在实际训练中我们怎样可以快速确定应该使用哪些数据呢？像主动学习(active learning)和核心集选择(core-set selection)之类的数据选择方法 ………………………………