用於多任務CNN的隨機濾波分組，性能超現有基準方法

做者 | Felix J.S. Bragman, Ryutaro Tanno等 算法 譯者 | 李傑c# 出品 | AI科技大本營（ID:rgznai100）服務器 多任務學習（MTL）的性能表現，很大程度上取決於任務共享的方式，而任務共享方式一般是依靠網絡架構的設計。共享方式是由網絡深度和任務數量綜合決定的，所以若是徹底依靠人工設計的組合方式，可能獲得的結果是耗時的，並且並不能保證是最優方案。

>>阅读原文<<