İçeriğe geç
parazade
Yapay Zeka

EfficientNet Nedir?

Yayın: · Son güncelleme:

EfficientNet Nedir? Kısaca

EfficientNet, Google araştırmacılarının 2019'da tanıttığı ve ağın derinliğini, genişliğini ve girdi çözünürlüğünü tek bir katsayıyla dengeli biçimde büyüten bileşik ölçekleme yöntemine dayanan evrişimli sinir ağı ailesidir. Daha az parametreyle yüksek doğruluk hedefler.

EfficientNet nedir?
İçindekiler
  1. EfficientNet nedir?
  2. Bileşik ölçekleme nasıl çalışır?
  3. Model ailesi
  4. Neden önemli?
  5. Nelere dikkat etmeli?

EfficientNet nedir?

EfficientNet, Mingxing Tan ve Quoc V. Le'nin 2019'da yayımladığı bir evrişimli sinir ağı ailesidir. Çalışmanın temel sorusu şuydu: Bir görüntü modelini daha güçlü yapmak için onu hangi yönde büyütmek gerekir? Cevap olarak tek bir boyutu değil, üç boyutu birlikte ve dengeli biçimde büyütmeyi önerdi.

Bileşik ölçekleme nasıl çalışır?

Bir ağ üç şekilde büyütülebilir:

  • Derinlik: Daha fazla katman eklemek
  • Genişlik: Her katmanda daha fazla kanal (filtre) kullanmak
  • Çözünürlük: Daha büyük girdi görüntüleri kullanmak

Önceki çalışmalar genellikle bunlardan yalnızca birini artırıyordu ve bir noktadan sonra kazanç azalıyordu. EfficientNet, bu üç boyutu sabit oranlarla birlikte büyüten bileşik bir katsayı kullanır. Sezgisi basittir: Daha büyük bir görüntü, ayrıntıları yakalamak için hem daha fazla katmana hem de daha fazla kanala ihtiyaç duyar.

Model ailesi

Önce sinir mimarisi araması (neural architecture search) adı verilen otomatik bir yöntemle küçük ve verimli bir temel model (EfficientNet-B0) tasarlandı. Ardından bu model bileşik ölçeklemeyle büyütülerek B1'den B7'ye kadar sürümler elde edildi. Kullanıcı, donanımına ve doğruluk ihtiyacına göre uygun boyutu seçebilir.

Neden önemli?

Yayımlandığı dönemde EfficientNet, benzer doğruluktaki modellere göre çok daha az parametre ve işlemle sonuç veriyordu. Bu da onu transfer öğrenmesi, mobil uygulamalar ve sınırlı kaynaklı ortamlar için cazip kıldı. Daha sonra eğitimi hızlandıran EfficientNetV2 sürümü de geliştirildi.

Nelere dikkat etmeli?

Parametre sayısının düşük olması her zaman en hızlı çalışma anlamına gelmez; bazı katman türleri belirli donanımlarda beklenenden yavaş çalışabilir. Model seçerken yalnızca doğruluk tablolarına değil, hedef cihazdaki gerçek hız ve bellek ölçümlerine de bakmak gerekir.

Sıkça Sorulan Sorular

EfficientNet'teki B0-B7 ne anlama gelir?

B0 temel ve en küçük modeldir. B1'den B7'ye doğru model bileşik ölçeklemeyle büyür; doğruluk genellikle artarken hesaplama ve bellek ihtiyacı da artar.

EfficientNet ile MobileNet arasındaki ilişki nedir?

İkisi de verimlilik odaklı görüntü modelleridir. EfficientNet'in temel yapı taşı, MobileNetV2'de kullanılan ters artık blok yapısına dayanır.

İlgili terimler

Evrişimli Sinir Ağı(Convolutional Neural Network)Evrişimli sinir ağı (CNN), görüntü gibi ızgara yapılı verilerde küçük filtreleri veri üzerinde kaydırarak kenar, doku ve şekil gibi özellikleri katman katman öğrenen bir derin öğrenme mimarisidir.MobileNetMobileNet, Google araştırmacılarının 2017'de tanıttığı ve derinlemesine ayrılabilir evrişimler kullanarak hesaplama ile parametre sayısını büyük ölçüde azaltan hafif bir evrişimli sinir ağı ailesidir. Telefon ve gömülü cihazlar gibi sınırlı kaynaklı ortamlar için tasarlanmıştır.ResNetResNet (Residual Network, artık ağ), katmanların girdisini kısa yoldan çıktısına ekleyen artık bağlantılar kullanan bir evrişimli sinir ağı mimarisidir. Bu basit fikir, çok derin ağların kararlı biçimde eğitilmesini sağladı ve görüntü tanımada bir dönüm noktası oldu.Transfer Öğrenmesi(Transfer Learning)Transfer öğrenmesi, bir görev için eğitilmiş bir modelin öğrendiği bilgiyi başka ama ilişkili bir göreve aktararak, yeni görevi daha az veri ve işlem gücüyle öğrenmesini sağlayan yöntemdir.Temel Model(Foundation Model)Temel model, çok geniş ve çeşitli verilerle ön eğitilen, ardından ince ayar veya promptlarla pek çok farklı göreve uyarlanabilen büyük ölçekli yapay zekâ modelidir.Harf Çevirisi(Transliteration)Harf çevirisi (transliterasyon), bir yazı sistemindeki metnin, anlamı çevrilmeden başka bir yazı sisteminin harfleriyle yazılmasıdır. Örneğin Kiril alfabesiyle yazılmış bir ismin Latin harflerine aktarılması harf çevirisidir.