什么是 “稠密” 和 “稀疏” 模型，它们各自适用于哪些场景？AI 科普达人 New Machina 将用 5 分钟和我们说清这个 AI 模型领域的重要概念。

所谓 “稠密” 和 “稀疏”，指的就是神经元之间连接的多少，以及这些连接是怎么分布的。简单来说，稠密网络就是每个神经元都和下一层的每个神经元相连，像一张织得很密的网。这种结构有利于模型学习，特别适合对准确性要求特别高的任务，比如图像识别，但同时也特别吃计算资源，训练和推理都比较慢，所以在资源（尤其是计算资源）有限的场景下就不太实用了。

稀疏网络正好相反，只有一部分神经元互相连着，结构更简单，像一张疏松的网。它的好处是运行快，占用的内存也少，特别适合那些对速度和效率要求高、比如实时系统或者边缘计算的场景。不过要让网络一直保持稀疏，训练起来会复杂一些，往往还得用专门的技术和算法。

总的来说，选择哪种网络主要是看实际需求，是准确性优先还是效率优先。

#AI技术[超话]##AI创造营# http://t.cn/AXwFqvub