Meta FAIR เปิดตัว e-means อัลกอริทึมเร็วกว่า k-means 10 เท่า
Meta FAIR เปิดตัว e-means อัลกอริทึมทดแทน mini-batch k-means ใน FAISS 1.16.0 เร็วกว่าเดิม 10-45 เท่า และใช้รอบการเรียนรู้น้อยลง
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- Meta FAIR ปล่อย e-means อัลกอริทึมใหม่ใน FAISS 1.16.0
- ทดแทน mini-batch k-means ได้โดยไม่ต้องเพิ่มไฮเปอร์พารามิเตอร์
- ทำความเร็วเหนือกว่าเดิม 10 ถึง 45 เท่าบน GPU
ทีมนักวิจัยจาก Meta FAIR ได้พัฒนาอัลกอริทึมใหม่ในชื่อ e-means ซึ่งถูกออกแบบมาเพื่อทำหน้าที่เป็นตัวทดแทน mini-batch k-means โดยมีการเผยแพร่ฟีเจอร์นี้อย่างเป็นทางการมาพร้อมกับไลบรารี FAISS เวอร์ชัน 1.16.0 จุดเด่นสำคัญคือความสามารถในการเพิ่มประสิทธิภาพการประมวลผลข้อมูลในระดับเวกเตอร์ได้อย่างรวดเร็วยิ่งขึ้น
อัลกอริทึม e-means นี้ถูกออกแบบมาให้แก้ไขข้อจำกัดด้านความเร็วของการจัดกลุ่มข้อมูลแบบเดิม โดยสามารถทำความสูญเสียเทียบเท่าระดับ 25-epoch ของ Lloyd ได้ภายในเวลาเพียง 1.4 ถึง 2.6 epochs เท่านั้น ซึ่งถือเป็นการลดระยะเวลาในการประมวลผลลงอย่างมหาศาล
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
นอกจากเรื่องความเร็วที่ก้าวกระโดดแล้ว e-means ยังมีความโดดเด่นในด้านความง่ายต่อการใช้งาน เนื่องจากนักพัฒนาและนักวิจัยสามารถนำไปใช้งานได้ทันทีโดยไม่ต้องปรับแต่งหรือเพิ่มไฮเปอร์พารามิเตอร์ใดๆ เพิ่มเติม ซึ่งช่วยลดความซับซ้อนในกระบวนการทำงานด้านแมชชีนเลิร์นนิง
การพัฒนาอัลกอริทึมตระกูล k-means ให้มีความเร็วสูงขึ้นถือเป็นหัวใจสำคัญในการประมวลผลชุดข้อมูลขนาดใหญ่ (Large-scale datasets) ในยุคปัจจุบันที่มีปริมาณข้อมูลมหาศาล การที่ Meta FAIR สามารถตัดทอนจำนวนรอบการประมวลผลลงได้ถึง 10 เท่าโดยไม่เพิ่มตัวแปรควบคุม ช่วยให้การทำคลัสเตอริงหรือการจัดกลุ่มเวกเตอร์ใน FAISS มีความคุ้มค่าด้านทรัพยากรฮาร์ดแวร์และประหยัดเวลาพลังงานไฟฟ้าของศูนย์ข้อมูลได้ดียิ่งขึ้น
การอัปเดต FAISS เวอร์ชัน 1.16.0 พร้อมกับ e-means นี้เปิดให้ใช้งานแล้วสำหรับนักพัฒนาที่ต้องการเพิ่มประสิทธิภาพระบบค้นหาและประมวลผลเวกเตอร์ในโปรเจกต์ปัญญาประดิษฐ์
ที่มา: MarkTechPost
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น