Perfusion: Nvidia представя компактна 100 KB невронна мрежа с ефективно време за обучение
Накратко
Nvidia представи своята "Perfusion generative" невронна мрежа, която се гордее с компактен размер и бързо време за обучение.
Той използва „заключване на клавиши“, за да оптимизира производителността и адаптивността на алгоритъма, позволявайки на модела да приведе потребителските заявки в съответствие с по-широки категории.
Nvidia наскоро показа своята невронна мрежа, наречена „Генеративна перфузия,” се отличава със своите компактни размери и възможности за бързо обучение. Според подробности, предоставени от Nvidia, този модел на невронна мрежа изисква само 100 kb пространство, впечатляващо постижение в сравнение с други модели като Midjourney, което изисква над 2 гигабайта безплатно място за съхранение.
Ключът към ефективността на Perfusion е механизъм, който Nvidia нарече „Key-Locking“. Тази новаторска функция позволява на модела да свързва конкретни потребителски заявки с по-широка категория или „суперкатегория“. Например, искане за създаване на котка би подтикнало модела да приведе термина „котка“ в по-широката категория „котка“. След като се случи това подравняване, моделът обработва допълнителни подробности, предоставени в текстовата подкана на потребителя. Такъв метод оптимизира алгоритъма, което прави обработката по-бърза.
Друго предимство на модела Perfusion е неговата адаптивност. В зависимост от изискванията на потребителя, моделът може да бъде пригоден да се придържа стриктно към a текстова подкана или да му бъде предоставена степен на „творческа свобода“ в неговите резултати. Тази гъвкавост гарантира, че моделът може да бъде фино настроен, за да генерира резултати, вариращи от точни до по-общи, въз основа на специфични потребителски нужди.
Nvidia посочи планове за пускане на кода в бъдеще, позволявайки по-широко изследване и разбиране на този компактен невронни мрежи потенциал.
Прочетете повече за AI:
Отказ от отговорност
В съответствие с Доверете се насоките на проекта, моля, имайте предвид, че предоставената на тази страница информация не е предназначена да бъде и не трябва да се тълкува като правен, данъчен, инвестиционен, финансов или каквато и да е друга форма на съвет. Важно е да инвестирате само това, което можете да си позволите да загубите, и да потърсите независим финансов съвет, ако имате някакви съмнения. За допълнителна информация предлагаме да се обърнете към правилата и условията, както и към страниците за помощ и поддръжка, предоставени от издателя или рекламодателя. MetaversePost се ангажира с точно, безпристрастно отчитане, но пазарните условия подлежат на промяна без предизвестие.
За автора
Дамир е ръководител на екип, продуктов мениджър и редактор в Metaverse Post, обхващащи теми като AI/ML, AGI, LLMs, Metaverse и Web3- свързани полета. Статиите му привличат огромна аудитория от над милион потребители всеки месец. Изглежда, че е експерт с 10 години опит в SEO и дигитален маркетинг. Дамир е споменат в Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto и други публикации. Той пътува между ОАЕ, Турция, Русия и ОНД като дигитален номад. Дамир получава бакалавърска степен по физика, която според него му е дала уменията за критично мислене, необходими за успех в непрекъснато променящия се пейзаж на интернет.
Още статииДамир е ръководител на екип, продуктов мениджър и редактор в Metaverse Post, обхващащи теми като AI/ML, AGI, LLMs, Metaverse и Web3- свързани полета. Статиите му привличат огромна аудитория от над милион потребители всеки месец. Изглежда, че е експерт с 10 години опит в SEO и дигитален маркетинг. Дамир е споменат в Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto и други публикации. Той пътува между ОАЕ, Турция, Русия и ОНД като дигитален номад. Дамир получава бакалавърска степен по физика, която според него му е дала уменията за критично мислене, необходими за успех в непрекъснато променящия се пейзаж на интернет.