研学社•架构组 | 实时深度学习的推理加速和连续学习

机器之心原创作者：Yanchen Wang参与：panda在本技术分析报告的第一部分《研学社·系统组 | 实时深度学习的推理加速和持续训练》，我们介绍了最近一些用于 DNN 推理加速的硬件和算法技术。在这第二部分，我们将基于最近一篇论文《在连续学习场景中对深度神经网络进行微调（Fine-Tuning Deep Neural Networksin Continuous Learning Scenarios）》探讨 DNN 连续学习，该论文的作者为 Christoph Kading、Erik Rodner、Alexander Freytag 和 Joachim Denzler。 要将深度学习系统投入生产，有一个方面很重要，就是要能应对输入和输出数据的分布随时间的变化。和任何统计机器学习模型一样，深度神经网络的可行性和有效性严重取决于一个假设——输入和输出数据的分布不会随时间发生显著 ………………………………