power is required to support the tr

power is required to support the training phase. Training phase is the critical operation to obtain a neural network for a specific task. It usually demands a large volume of memory and computing resources, and the time consumption can range from a few seconds to hundreds of hours, depending on the scale of the networks [6]. In addition, recent research has demonstrated that the performance of DNNs, such as the classification accuracy, can be drastically improved by increasing the scale of the network [7]. Therefore, in order to better process big data with large scale neural networks, we need to explore more computing power.

ผลลัพธ์ (ไทย) 1:

จำเป็นต้องใช้พลังงานเพื่อสนับสนุนขั้นตอนการฝึกอบรม ระยะการฝึกอบรมเป็นการดำเนินงานที่สำคัญรับเครือข่ายประสาทในงาน specific ปกติต้องจำนวนมากของหน่วยความจำคอมพิวเตอร์ และปริมาณการใช้เวลามีตั้งแต่ไม่กี่วินาทีถึงชั่วโมง ขึ้นอยู่กับขนาดของเครือข่าย [6] นอกจากนี้ การวิจัยล่าสุดแสดงว่า ประสิทธิภาพการทำงานของ DNNs เช่นความถูกต้องของ classification สามารถอย่างรวดเร็วปรับปรุง โดยการเพิ่มขนาดของเครือข่าย [7] ดังนั้น การประมวลผลข้อมูลขนาดใหญ่ที่ มีเครือข่ายประสาทขนาดใหญ่ดีกว่า ที่เราต้องการสำรวจพลังงานคอมพิวเตอร์

ผลลัพธ์ (ไทย) 2:

พลังงานที่จำเป็นเพื่อสนับสนุนขั้นตอนการฝึกอบรม ขั้นตอนการฝึกอบรมเป็นงานที่สำคัญที่จะได้รับโครงข่ายประสาทเทียมสำหรับงานค speci ไฟ มันมักจะมีความต้องการปริมาณมากของหน่วยความจำและการคำนวณทรัพยากรและการใช้เวลาที่สามารถช่วงจากไม่กี่วินาทีไปหลายร้อยชั่วโมงขึ้นอยู่กับขนาดของเครือข่าย [6] นอกจากนี้การวิจัยที่ผ่านมาได้แสดงให้เห็นว่าการปฏิบัติงานของ DNNs เช่นความถูกต้องไฟไอออนบวกจำแนกสามารถปรับปรุงให้ดีขึ้นอย่างเห็นได้ชัดโดยการเพิ่มขนาดของเครือข่าย [7] ดังนั้นเพื่อที่จะดำเนินการที่ดีขึ้นของข้อมูลขนาดใหญ่ที่มีขนาดใหญ่เครือข่ายประสาทเราต้องการที่จะสำรวจพลังในการคำนวณมากขึ้น

ผลลัพธ์ (ไทย) 3:

พลังงานเป็นสิ่งจำเป็นเพื่อสนับสนุนการฝึกอบรมระยะ ขั้นตอนการฝึกอบรมการผ่าตัดที่สำคัญที่จะได้รับเครือข่ายประสาทสำหรับกาจึง c งาน มันมักจะต้องมีปริมาณขนาดใหญ่ของหน่วยความจำและทรัพยากรคอมพิวเตอร์และเวลาในการบริโภคสามารถช่วงจากไม่กี่วินาทีถึงหลายร้อยชั่วโมง ขึ้นอยู่กับขนาดของเครือข่าย [ 6 ] นอกจากนี้การวิจัยล่าสุดได้แสดงให้เห็นว่าประสิทธิภาพของ dnns เช่น การ classi ถ่ายทอดความถูกต้องสามารถอย่างรวดเร็วในการปรับปรุงโดยการเพิ่มขนาดของเครือข่าย [ 7 ] ดังนั้น เพื่อให้กระบวนการใหญ่ข้อมูลที่มีขนาดใหญ่เครือข่ายประสาท เราต้องศึกษาเพิ่มเติมด้านพลังงาน