محققان در پژوهشی جدید، چارچوب نوآورانهای برای «هرس کردن دادهها» (Dataset Pruning) ارائه کردهاند که یادگیری مدلهای بزرگ را بسیار بهینهتر میکند. در این روش، دادهها به شکل یک گراف وزندار مدلسازی میشوند که تعادلی دقیق بین اهمیت هر نمونه و تنوع دادهها ایجاد میکند.
نتایج این تحقیق نشان میدهد که میتوان بدون کاهش دقت، زمان آموزش مدلهای سنگینی مثل ResNet-50 روی دیتاسِت ImageNet را تا بیش از ۴۰٪ کاهش داد. این دستاورد گام بزرگی برای کاهش هزینههای سنگینِ آموزش مدلهای هوش مصنوعی است. 📈💡
منبع: arXiv Computer Vision
