Quantification vectorielle pour la compression NN avec Julieta Martinez

Aujourd’hui, nous sommes rejoints par Julieta Martinez, un chercheur principal de la startup récemment annoncée Waabi.

Julieta était une conférencière principale lors du récent atelier Latinx dans l’IA de CVPR, et notre conversation se concentre sur son discours « Qu’est-ce que la recherche visuelle à grande échelle et la compression de réseau neuronal ont en commun », qui montre que plusieurs idées de recherche visuelle à grande échelle peuvent être utilisées pour atteindre la compression de réseau neural de pointe. Nous explorons la communauté entre les grandes bases de données et les réseaux de neurones à grande dimension, les avantages de l’utilisation de la quantification du produit, et comment cela se joue lors de l’utilisation pour comprimer un réseau neuronal.

Nous fouillons également dans un autre article que Julieta a présenté lors de la conférence, un apprentissage profond multi-tâches pour la localisation, la perception et la prédiction conjointes, qui détaille une architecture capable de réutiliser le calcul entre les trois tâches, et est ainsi capable de corriger efficacement les erreurs de localisation.