Perfusion: Nvidia یک شبکه عصبی فشرده 100 کیلوبایتی با زمان آموزش کارآمد معرفی می کند
به طور خلاصه
انویدیا شبکه عصبی "پرفیوژن مولد" خود را با اندازه فشرده و زمان آموزش سریع معرفی کرد.
از "Key-Locking" برای بهینهسازی عملکرد و سازگاری الگوریتم استفاده میکند و به مدل اجازه میدهد تا درخواستهای کاربر را با دستههای گستردهتر هماهنگ کند.
انویدیا اخیرا شبکه عصبی خود را با نام «مولد پرفیوژن،” به دلیل اندازه جمع و جور و قابلیت های تمرین سریع آن قابل توجه است. با توجه به جزئیات ارائه شده توسط Nvidia، این مدل شبکه عصبی تنها به 100 کیلوبایت فضا نیاز دارد که در مقایسه با مدل های دیگر مانند یک شاهکار قابل توجه است. Midjourney، که به بیش از 2 گیگابایت فضای ذخیره سازی رایگان نیاز دارد.
کلید کارایی Perfusion مکانیزمی است که انویدیا آن را "Key-Locking" نامیده است. این ویژگی نوآورانه مدل را قادر میسازد تا درخواستهای کاربر خاص را با یک دسته یا «ابر دسته» گستردهتر مرتبط کند. به عنوان مثال، درخواست برای تولید یک گربه، مدل را وادار میکند تا اصطلاح «گربه» را با دستهبندی گستردهتر «گربهسنگ» هماهنگ کند. هنگامی که این تراز رخ می دهد، مدل سپس جزئیات اضافی ارائه شده در اعلان متن کاربر را پردازش می کند. چنین روشی الگوریتم را بهینه می کند و پردازش را سریعتر می کند.
مزیت دیگر مدل Perfusion در سازگاری آن نهفته است. بسته به نیاز کاربر، مدل را می توان به گونه ای تنظیم کرد که کاملاً به a پایبند باشد درخواست متن یا درجه ای از «آزادی خلاقانه» در خروجی های آن اعطا شود. این تطبیق پذیری تضمین می کند که مدل می تواند به خوبی تنظیم شود تا بر اساس نیازهای کاربر خاص، نتایجی از دقیق تا کلی تر ایجاد کند.
انویدیا برنامههایی برای انتشار کد در آینده نشان داده است که امکان بررسی و درک گستردهتر از این فشرده را فراهم میکند. شبکه های عصبی پتانسیل.
درباره هوش مصنوعی بیشتر بخوانید:
سلب مسئولیت
در خط با دستورالعمل های پروژه اعتماد، لطفاً توجه داشته باشید که اطلاعات ارائه شده در این صفحه به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا هر شکل دیگری در نظر گرفته نشده است و نباید تفسیر شود. مهم است که فقط در موردی سرمایه گذاری کنید که توانایی از دست دادن آن را دارید و در صورت شک و تردید به دنبال مشاوره مالی مستقل باشید. برای کسب اطلاعات بیشتر، پیشنهاد می کنیم به شرایط و ضوابط و همچنین صفحات راهنمایی و پشتیبانی ارائه شده توسط صادرکننده یا تبلیغ کننده مراجعه کنید. MetaversePost متعهد به گزارش دقیق و بی طرفانه است، اما شرایط بازار بدون اطلاع قبلی ممکن است تغییر کند.
درباره نویسنده
Damir رهبر تیم، مدیر محصول و سردبیر در است Metaverse Post، موضوعاتی مانند AI/ML، AGI، LLMs، Metaverse و Web3- زمینه های مرتبط مقالات او هر ماه مخاطبان زیادی از بیش از یک میلیون کاربر را جذب می کند. به نظر می رسد او یک متخصص با 10 سال تجربه در سئو و بازاریابی دیجیتال است. دمیر در Mashable, Wired, ذکر شده است. Cointelegraph، نیویورکر، Inside.com، Entrepreneur، BeInCrypto، و انتشارات دیگر. او بین امارات متحده عربی، ترکیه، روسیه و کشورهای مستقل مشترک المنافع به عنوان یک عشایر دیجیتال سفر می کند. دمیر مدرک لیسانس خود را در فیزیک گرفت که به اعتقاد او مهارت های تفکر انتقادی لازم برای موفقیت در چشم انداز دائماً در حال تغییر اینترنت را به او داده است.
مقالات بیشترDamir رهبر تیم، مدیر محصول و سردبیر در است Metaverse Post، موضوعاتی مانند AI/ML، AGI، LLMs، Metaverse و Web3- زمینه های مرتبط مقالات او هر ماه مخاطبان زیادی از بیش از یک میلیون کاربر را جذب می کند. به نظر می رسد او یک متخصص با 10 سال تجربه در سئو و بازاریابی دیجیتال است. دمیر در Mashable, Wired, ذکر شده است. Cointelegraph، نیویورکر، Inside.com، Entrepreneur، BeInCrypto، و انتشارات دیگر. او بین امارات متحده عربی، ترکیه، روسیه و کشورهای مستقل مشترک المنافع به عنوان یک عشایر دیجیتال سفر می کند. دمیر مدرک لیسانس خود را در فیزیک گرفت که به اعتقاد او مهارت های تفکر انتقادی لازم برای موفقیت در چشم انداز دائماً در حال تغییر اینترنت را به او داده است.