特斯拉前AI總監(jiān)Karpathy瘋狂點(diǎn)贊：?jiǎn)螐圓100，10秒訓(xùn)練CIFAR-10，破世界紀(jì)錄！
刷新世界紀(jì)錄！
用600行代碼，在單張A100上，不到10秒，就完成了CIFAR-10數(shù)據(jù)集的訓(xùn)練，并且精度高達(dá)94%。
特斯拉前AI總監(jiān)Andrej Karpathy連發(fā)3條推特，瘋狂點(diǎn)贊。
Karpathy之所以如此激動(dòng)，是因?yàn)?2年前，他試過(guò)手動(dòng)對(duì)CIFAR-10進(jìn)行分類(lèi)，得到的也是94%！而當(dāng)時(shí)的SOTA只有80%。
項(xiàng)目介紹
項(xiàng)目地址：https://github.com/tysam-code/hlb-CIFAR10
這段代碼可以在Colab上直接使用，事實(shí)上——其中大部分是在Colab中開(kāi)發(fā)的。
這位叫Tysam的小哥，給自己定下的目標(biāo)是——
- 簡(jiǎn)單
- 初學(xué)者友好
- 只需torch和python的常用代碼
- 幾乎不用外部依賴(lài)（目前只有torch和torchvision）
- 破世界紀(jì)錄的單GPU訓(xùn)練時(shí)間（此前在A100上的世界紀(jì)錄是18.1秒，而Tysam打破了世界紀(jì)錄——小于10秒）
- 在2年內(nèi)讓訓(xùn)練時(shí)間小于2秒
為了達(dá)成快速訓(xùn)練的神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)，Tysam參考了David Page在CIFAR-10圖像分類(lèi)數(shù)據(jù)集上有效訓(xùn)練殘差網(wǎng)絡(luò)的代碼，但幾乎是從頭編寫(xiě)的。
這種做法的好處是，Tysam code現(xiàn)在保持著CIFAR-10上單GPU訓(xùn)練速度的世界紀(jì)錄——在A100上不到10秒！
在David Page代碼的基礎(chǔ)上，Tysam做了如下改動(dòng)：
- 壓縮和激勵(lì)層（squeeze and excite layers）
- 非常多的超參數(shù)調(diào)整
- 復(fù)雜架構(gòu)修剪（miscellaneous architecture trimmings）
- 更改內(nèi)存格式，更好地使用張量核心等
- 其他
與原始代碼相比，Tysam的代碼全部都在一個(gè)文件中，而且非常扁平flat。
此外，所有的管線也都已經(jīng)公開(kāi)，有興趣的朋友可以在里面快速探索自己的想法。
至于為什么會(huì)選擇ConvNet，而不是現(xiàn)在最流行的Transformer呢？
在Tysam看來(lái)，雖然Transformer是新事物，但信息從訓(xùn)練集中壓縮到神經(jīng)網(wǎng)絡(luò)中的方式，實(shí)際上始終都遵循著同樣的一套基本數(shù)學(xué)原理。
Tysam希望，在一兩年內(nèi)讓這個(gè)代碼庫(kù)在2秒內(nèi)完成訓(xùn)練，在四到五年內(nèi)在1秒內(nèi)完成訓(xùn)練。
Karpathy瘋狂點(diǎn)贊
對(duì)于Tysam的代碼，Karpathy贊嘆不已，他絲毫不吝嗇自己的溢美之辭——
「我喜歡這種極簡(jiǎn)的設(shè)計(jì)美學(xué)，它讓閱讀代碼不再是精疲力竭的尋寶過(guò)程。你不需要把代碼散布在復(fù)雜的嵌套目錄結(jié)構(gòu)之中，然后用各種指令把事情搞得過(guò)于復(fù)雜?！?/span>
隨后，Karpathy還表示，這讓他想起了自己在12年前做的測(cè)試：
12年前，「肉眼」分類(lèi)實(shí)現(xiàn)了94%的準(zhǔn)確率，用時(shí)未知。
12年后，600行代碼實(shí)現(xiàn)了94%的準(zhǔn)確率，用時(shí)不到10秒。
當(dāng)時(shí)的過(guò)程大概是：
在一個(gè)平平無(wú)奇的周末，Karpathy突然想看看人類(lèi)在這個(gè)數(shù)據(jù)集上能達(dá)到什么樣的精度。
于是就快速地手搓了一段MATLAB代碼用于測(cè)試。
界面長(zhǎng)這個(gè)樣子：
在測(cè)試過(guò)程中，程序首先會(huì)一張一張圖片地展示，然后Karpathy會(huì)按下0-9（10個(gè)鍵），對(duì)應(yīng)這張圖他所認(rèn)為的類(lèi)別（10個(gè)分類(lèi)）。
在經(jīng)過(guò)了不知道多長(zhǎng)時(shí)間之后，Karpathy終于完成了400張圖片的分類(lèi)，準(zhǔn)確率為94%左右。
那么，為什么不是100%呢？
Karpathy：「因?yàn)橛行﹫D像真的太扯了！」
比如下面這幾個(gè)：
也難怪Karpathy當(dāng)年預(yù)測(cè)AI所能達(dá)到的極限是85-90%（笑）。
當(dāng)然，后來(lái)的結(jié)果大家也都知道了，CIFAR-10分類(lèi)的準(zhǔn)確率早就被刷到了99.5%。
著名的CIFAR-10
眾所周知，CIFAR-10是由Geoffrey Hinton和他的學(xué)生Alex Krizhevsky和Ilya Sutskever整理的一個(gè)用于識(shí)別普適物體的小型數(shù)據(jù)集，也是如今機(jī)器學(xué)習(xí)研究中最廣泛使用的數(shù)據(jù)集之一。
CIFAR-10數(shù)據(jù)集由10類(lèi)32x32的彩色圖片組成，總共包含60000張圖片，其中50000張圖片作為訓(xùn)練集，10000張圖片作為測(cè)試集。
這10個(gè)類(lèi)別為：飛機(jī)（ airplane ）、汽車(chē)（ automobile ）、鳥(niǎo)類(lèi)（ bird ）、貓（ cat ）、鹿（ deer ）、狗（ dog ）、蛙類(lèi)（ frog ）、馬（ horse ）、船（ ship ）和卡車(chē)（ truck ）。
?參考資料：https://github.com/tysam-code/hlb-CIFAR10
