Что нового
  • Что бы вступить в ряды "Принятый кодер" Вам нужно:
    Написать 10 полезных сообщений или тем и Получить 10 симпатий.
    Для того кто не хочет терять время,может пожертвовать средства для поддержки сервеса, и вступить в ряды VIP на месяц, дополнительная информация в лс.

  • Пользаватели которые будут спамить, уходят в бан без предупреждения. Спам сообщения определяется администрацией и модератором.

  • Гость, Что бы Вы хотели увидеть на нашем Форуме? Изложить свои идеи и пожелания по улучшению форума Вы можете поделиться с нами здесь. ----> Перейдите сюда
  • Все пользователи не прошедшие проверку электронной почты будут заблокированы. Все вопросы с разблокировкой обращайтесь по адресу электронной почте : info@guardianelinks.com . Не пришло сообщение о проверке или о сбросе также сообщите нам.

Эффективность Вместо Точности: Facebook Выпустила Новый Фреймворк Для Машинного Обучения

Sascha

Заместитель Администратора
Команда форума
Администратор
Регистрация
9 Май 2015
Сообщения
1,064
Баллы
155
Возраст
47
FAIR, лаборатория Facebook по разработкам в области искусственного интеллекта, представила

Пожалуйста Авторизируйтесь или Зарегистрируйтесь для просмотра скрытого текста.

— библиотеку, позволяющую осуществлять быстрый поиск и сортировку однотипных изображений и видео в больших массивах данных с помощью GPU.

В чем особенность Faiss?


Faiss осуществляет поиск не по самим данным, а по их сжатому представлению, что позволяет сильно увеличить эффективность хранения в обмен на небольшое снижение точности классификации. В одном из тестов она обрабатывала набор данных

Пожалуйста Авторизируйтесь или Зарегистрируйтесь для просмотра скрытого текста.

, состоящий из 100 миллионов изображений. В качестве входных данных Faiss получила два изображения цветков — желтого и красного, а задачей был поиск всех похожих изображений в диапазоне между ними. При помощи комплекта из четырех видеокарт Nvidia Titan X Faiss выдала необходимый результат всего через 35 минут.

Какие у нее характеристики?

  • Написана на C++ с оберточным кодом на Python;
  • Поддерживает работу с отдельными и мульти-GPU;
  • Высокая масштабируемость;
  • В 8,5 раз быстрее подобных современных библиотек.

Разработка Faiss является частью исследований, цель которых — создать оптимальные алгоритмы для высокоскоростных параллельных вычислений на нескольких графических процессорах. Эксперименты с GPU проводятся не только на мощном «железе» вроде видеокарт Nvidia, но и на слабых платформах — Google недавно

Пожалуйста Авторизируйтесь или Зарегистрируйтесь для просмотра скрытого текста.

свою систему для глубинного обучения, TensorFlow, и теперь эффективное распознавание изображений доступно для мобильных графических процессоров.


Пожалуйста Авторизируйтесь или Зарегистрируйтесь для просмотра скрытого текста.

.
 
Вверх