知道创宇IA-Lab 岳永鹏
机器学习模型代码优化是为了获得更高效（时间更少、存储更少、计算规模更大）执行的机器指令和具有更强泛化能力的模型，获得更高效执行的机器指令可以采用多核和高频的CPU计算，以及采用并行计算和向量化计算。而获得具有更强泛化能力的模型不仅仅与选择的模型有关，还与标注数据的数量和质量有关。而数据标注需要大量标注人员从事重复而枯燥的工作，这也必然会增加成本。
本文将介绍主动学习（Active Learning）以及主动学习结合Google今年发布的流体标注（Fluid Annotation）和BERT（Bidirectional Encoder Representation from Transformers）对加速机器学习有什么启示。