Что: Обучайте модели машинного обучения лучше и быстрее: с использованием протокола Raven AI / ML инженеры смогут обучать модели лучше и быстрее.
Зачем. Ускорение обучения модели позволит сэкономить время и деньги и, в конечном итоге, повысит производительность.
Как. Обычным методам распространения присуща задержка в своей сети. Между машинами необходимо передавать большие объемы данных. Однако уникальный подход Raven к распределению решает проблему задержки, разбивая данные на очень маленькие части, например байты, сохраняя их идентичность, а затем распределяя их по множеству устройств с помощью вычислений градиента призыва к действию.
Что: Если у вас есть мобильное устройство, ноутбук или настольный компьютер, вы можете поддерживать протокол Raven.
Почему: если вы поддержите протокол Raven своими вычислительными ресурсами, вы получите взамен токен Raven.
Как: Модель остается неизменной на главном узле, и тяжелая работа распределяется в мельчайших фрагментах подмножеств данных по сети участников. Результирующие градиенты после вычислений, которые происходят на концах узла или участника, отправляются обратно на главный узел.
Что: Raven поддерживает подходы к распараллеливанию как данных, так и моделей, чтобы сформировать другую модель распределения.
Зачем. Чтобы система была достаточно надежной, чтобы обрабатывать добавление или удаление участников, делая все обучение Raven устойчивым.
Как: Raven использует динамический график вычислений, а не статический. Основное различие между статическим и динамическим графом вычислений заключается в том, что в первом случае оптимизация модели предварительно задана, а данные заменяют тензоры-заполнители. Принимая во внимание, что в последнем случае узлы в сети выполняются без использования каких-либо тензоров-заполнителей.
Что: Протокол Raven разработан с использованием Python и C ++
Зачем. Поскольку он не зависит от архитектуры машины, узлы в сети могут быть такими же простыми, как клиент Javascript.
Как:. Например, веб-сайт может установить фрагмент кода javascript и выполнять вычисления градиента при загрузке страницы.
Что: протокол Raven стремится стать структурой по умолчанию для обучения ИИ / машинному обучению. в ближайшем будущем.
Почему: пользователи бета-версии Raven Protocol очень довольны.
Как: клиенты будут платить raven больше, чем компании-конкуренты, поскольку raven предлагает им решение, которое обучает моделей. Быстрее.
Для получения более подробной информации посетите следующий веб-сайт:
