Publication

Masked Training of Neural Networks with Partial Gradients

Martin Jaggi, Amirkeivan Mohtashami
2022
Conference Papers

Résumé

State-of-the-art training algorithms for deep learning models are based on stochastic gradient descent (SGD). Recently, many variations have been explored: perturbing parameters for better accuracy (such as in Extra-gradient), limiting SGD updates to a subset of parameters for increased efficiency (such as meProp) or a combination of both (such as Dropout). However, the convergence of these methods is often not studied in theory.

Source officielle

https://infoscience.epfl.ch/entities/publication/e583c296-79ec-4385-bbd5-4fef3b42c074

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Masked Training of Neural Networks with Partial Gradients

Chattez avec Graph Search

Topics in statistical physics of high-dimensional machine learning

Deep Learning Theory Through the Lens of Diagonal Linear Networks

Understanding generalization and robustness in modern deep learning