【OpenVI—论文解读系列】达摩院开源低成本大规模分类框架FFC CVPR论文深入解读

一、背景

     解决该问题最直观的方式是通过集群的方式消耗更多的显卡资源，但即便如此，海量ID下的分类问题，依然会有如下几个问题：

     1.）成本问题：分布式训练框架 + 海量数据情况下，内存开销、多机通信、数据存储与加载都会消耗更多的资源。

     2.）长尾问题：实际场景中，当数据集达到上亿ID时，往往其绝大部分ID内的图片样本数量会很少，数据长尾分布非常明显，直接训练难以获得较好效果。

完整内容请点击下方链接查看： 

【OpenVI—论文解读系列】达摩院开源低成本大规模分类框架FFC CVPR论文深入解读-阿里云开发者社区

版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《                                                    阿里云开发者社区用户服务协议》和《                                                    阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写                                                    侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容