บทความนี้จะแนะนำโมเดลการแพร่กระจาย ScaleLong ที่เสนอโดยมหาวิทยาลัยซุนยัตเซ็นและทีมอื่นๆ ซึ่งปรับปรุงความเสถียรในการฝึกอบรมโดยปรับขนาดการเชื่อมต่อแบบ longข้ามของ UNet ทีมวิจัยได้ทำการวิเคราะห์เชิงลึกเกี่ยวกับหลักการของการฝึกอบรมแบบเร่งรัดโดยการดำเนินการมาตราส่วน 1/√2 และเสนอวิธีการสองวิธี ได้แก่ LS และ CS เพื่อบรรเทาปัญหาความไม่เสถียรระหว่างการฝึกโมเดลอย่างมีประสิทธิภาพ ผลการวิจัยนี้มีความสำคัญอย่างมีนัยสำคัญในการปรับปรุงเสถียรภาพของแบบจำลองการแพร่กระจาย และให้การสนับสนุนทางเทคนิคที่สำคัญสำหรับการใช้งานจริงของแบบจำลองการแพร่กระจาย
มหาวิทยาลัยซุนยัตเซ็นและทีมอื่นๆ เสนอโมเดลการแพร่กระจาย ScaleLong ซึ่งทำให้การฝึกโมเดลมีความเสถียรโดยปรับขนาดการเชื่อมต่อ long skik ของ UNet พวกเขาวิเคราะห์หลักการของการดำเนินการปรับขนาด 1/√2 เพื่อเร่งการฝึกอบรม และบรรเทาความไม่เสถียรในการฝึกโมเดลด้วยวิธี LS และ CS ได้อย่างมีประสิทธิภาพ วิธีการที่ง่ายและมีประสิทธิภาพเหล่านี้มีความสำคัญอย่างยิ่งต่อความเสถียรของแบบจำลองการแพร่กระจาย
ข้อเสนอของแบบจำลอง ScaleLong และวิธีการที่เกี่ยวข้องได้นำมาซึ่งความก้าวหน้าครั้งใหม่มาสู่ความเสถียรในการฝึกอบรมของแบบจำลองการแพร่กระจาย และมอบประสบการณ์และแนวทางอันมีค่าสำหรับการพัฒนาแบบจำลองการแพร่กระจายที่เสถียรและมีประสิทธิภาพมากขึ้นในอนาคต รอคอยที่จะเห็นผลการวิจัยเพิ่มเติมเกี่ยวกับสิ่งนี้ในอนาคต