深層ニューラルネットワークの高速化

損失関数の平坦解と先鋭解についてすごく分かりやすい

- パラメータがずれても解が変化しづらく，データに対して余裕のある分類境界を引いているのでデータの摂動に強い

- 記憶している情報が少なく，普遍的なことを学習，汎化しやすい(理論的にも示せる)

- 多少のずれがあっても精度が落ちないため，パラメータを量子化するような高速化を行なっても影響を受けにくい

https://scrapbox.io/files/66e1b7b70864f2001c2d977d.png

ちょっとずれても解に近いので変更にロバスト、汎化しやすい、高速化しやすい