Dynamically Adjusting Transformer Batch Size by Monitoring Gradient Direction Change
37790Related Entities
Пакет өлшемі
OtherEntity
Градиент бағыты
OtherEntity
Гиперпараметрлер
OtherEntity
Оқу жылдамдығы
Metric
Нейрондық модельдер
Method
Трансформер
Method
WMT14
Material