谷歌的研究人员开启了一个新的框架，可以在数千台机器上扩展人工智能模型的训练。

谷歌在一篇研究论文中指出，这是一个很有前景的发展，因为它应该能够让AI算法训练以每秒数百万帧的速度执行，同时将这样做的成本降低多达80%。

这种减少可能有助于为以前无法与人工智能等主要参与者竞争的初创企业提供一个公平的竞争环境。事实上，在云中训练复杂机器学习模型的成本高得惊人。

同步公司最近的一份报告发现，华盛顿大学花费了25，000美元来培训其格罗弗模型，该模型用于检测和生成假新闻。与此同时，OpenAI每小时支付256美元来训练其GPT-2语言模型，而谷歌自己花费大约6912美元来训练其自然语言处理任务的BERT模型。

Seed建立在TensorFlow 2.0框架上，采用图形处理单元和张量处理单元相结合的方式集中模型推理。然后使用训练模型的学习器组件集中执行推理。

目标的变量和状态信息保持在局部状态，它们的观察结果在过程的每一步都被发送给学习者。SEED RL还使用了基于开源通用RPC框架的网络库，以最大限度地减少延迟。

谷歌的研究人员表示，SEED RL的学习器组件可以扩展到数千个内核，而在环境中采取步骤和在模型上进行推断以预测下一个操作之间迭代的参与者数量可以扩展到数千台机器。

郑重声明：本文版权归原作者所有。转载文章只是为了传播更多的信息。如果作者信息标注有误，请第一时间联系我们修改或删除。谢谢你。

免责声明： 本文由用户上传，如有侵权请联系删除！

标签：