AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:Weight normalization×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
5月10日
14:00
14:00OpenAI Blog(博客/媒体)
精选
本文提出权重归一化(Weight normalization),一种通过重参数化权重向量来加速深度神经网络训练的简单技术。该方法将权重向量分解为方向向量和标量长度,并分别使用SGD优化,类似于Batch normalization的效果但计算开销更低。在MNIST、CIFAR-10等标准基准上,Weight normalization使网络收敛速度提升2-5倍,并能稳定训练极深网络(如100层ResNet)。实验表明,该方法与ReLU、Dropout等常用技术兼容,无需引入额外依赖。
论文Weight normalization重参数化训练加速神经网络OpenAI

推荐理由:用简单重参数化加速训练,效果堪比BN但更轻量
原文
精选全部日报登录