图表内容
图65：使用大模型JFT-300M训练的前后精确度对比
■ILSVRC-2012+ResNet50■JFT-300M■ILSVRC-2012
90.0%
87.5%
88.0%
86.0%
84.0%
82.0%
79.0%
80.0%
77.0%
77.0%
78.0%
76.0%
74.0%
72.0%
70.0%
ResNet50
ResNet152x4
资料来源：CSDN
中信证券研究部
使用大模型JFT-300M训练的前后精确度对比
研究报告节选:
突破这一瓶颈。以谷歌的视觉迁移模型 Big Transfer，BiT 为例，使用 ILSVRC-2012（128 万张图片，1000 个类别）和 JFT-300M（3 亿张图片，18291 个类别）两个数据集来训练ResNet50，精度分别是 77%和 79%，大模型的使用使得处于瓶颈的精度进一步提高。另外使用 JFT-300M 训练 ResNet152x4，精度可以上升到 87.5%，相比 ILSVRC-2012 +ResNet50 结构提升了 10.5%。最后更新: 2022-06-23
相关行业研究图表
边缘计算芯片出货量（百万，按终端设备）
使用大模型JFT-300M训练的前后精确度对比
英伟达最新GPU的算力水平
中国历年人工智能公司成立数量
巨头语音助手问题识别及回答正确率
推荐系统整体架构
图65：使用大模型JFT-300M训练的前后精确度对比
■ILSVRC-2012+ResNet50■JFT-300M■ILSVRC-2012
90.0%
87.5%
88.0%
86.0%
84.0%
82.0%
79.0%
80.0%
77.0%
77.0%
78.0%
76.0%
74.0%
72.0%
70.0%
ResNet50
ResNet152x4
资料来源：CSDN
中信证券研究部
