圖片來源：Trusted Reviews
2017/6/9消息 Facebook今日在西雅圖 Data@Scale 大會上公佈的一篇研究論文中表示，已成功開發一套新的計算機視覺系統，該系統在每秒鐘可完成4萬張圖片的訓練。這樣一來在60分鐘內就可以完成ImageNet -1K的數據集（共計120萬張圖片）的訓練就成了可能，而且不會降低質量。而在現階段，完成數據集的訓練至少需要幾天時間。
目前，Facebook的月活用戶已達19.6億。如果要從海量的圖片中篩選出有意義的和值得紀念圖片的話，會給AI、機器學習的訓練帶來很大的壓力，而且較大的網絡和數據集會導致更長的訓練時間，阻礙其研發進度。所以，Facebook一直在研究更好的方法來解決這一問題。
該研究論文表示，Facebook的AI、機器學習團隊在試驗中採用了新的系統——用基於Caffe2的系統，以高達8192張圖的minibatch大小，在256個GPU上用包含120萬張圖片的ImageNet -1k來訓練ResNet-50，只花了1個小時，同時確保了準確性。
從硬件角度來看，Facebook此前的系統只有8個GPU，增至256 個GPU後，規模效益可提升90%。
同時，Facebook還表示，願意向外公開自己的研發成果和硬件堆棧。
以下即Facebook本次研究論文的下載鏈接，有需要的小夥伴請猛戳↓
https://research.fb.com/wp-content/uploads/2017/06/imagenet1kin1h3.pdf