The গুগল গবেষকরা প্রকাশ করেছেন এটি একটি নতুন ফ্রেমওয়ার্কের বিকাশের সংবাদ যা হাজার হাজার মেশিনে কৃত্রিম বুদ্ধিমত্তার মডেল প্রশিক্ষণ প্রসারিত করে। ফলাফল বলা হয় বীজ আরএল (স্কেলযোগ্য দক্ষ গভীর শক্তিবৃদ্ধি শেখার)।
এই হল প্রতিশ্রুতিবদ্ধ উন্নয়নের কারণ আমার উচিত প্রতি সেকেন্ডে কয়েক মিলিয়ন চিত্রগুলিতে কৃত্রিম বুদ্ধিমত্তার অ্যালগরিদমগুলি প্রশিক্ষণের অনুমতি দিন এবং এই প্রশিক্ষণের ব্যয় ৮০% কমাতে গুগল একটি গবেষণামূলক গবেষণাপত্রে বলেছে।
এই ধরণের ডাউনসাইজিং স্টার্টআপসের জন্য প্লেয়িং ফিল্ডকে সমতল করতে সহায়তা করতে পারে। এটি এখন পর্যন্ত এআইয়ের ক্ষেত্রে গুগলের মতো মূল বিষয়গুলির সাথে প্রতিযোগিতা করতে সক্ষম হয়নি। মেঘে পরিশীলিত মেশিন লার্নিং মডেলগুলির প্রশিক্ষণের ব্যয় আশ্চর্যজনকভাবে বেশি। গুগল বীজ আরএল কোডটি উদ্বোধনকে আনুষ্ঠানিকভাবে আনয়ন করে, যা রিইনফোর্সমেন্ট লার্নিংয়ের ব্যয় / পারফরম্যান্স অনুপাতের অনুকূলকরণের উদ্দেশ্যে একটি প্রকল্প a
রিইনফোর্সমেন্ট লার্নিং হ'ল একটি খুব নির্দিষ্ট ব্যবহারের ক্ষেত্রে পদ্ধতি যেখানে এজেন্টগুলি তাদের পরিবেশ সম্পর্কে অনুসন্ধানের মাধ্যমে শিখতে থাকে এবং সর্বাধিক পুরষ্কারের জন্য তাদের ক্রিয়াকলাপকে অনুকূল করে তোলে।
»বীজ আরএল তে: তাত্ক্ষণিক কেন্দ্রীয় অনুমান সহ স্কেলেবল এবং দক্ষ ডিপ-আরএল," আমরা কয়েক হাজার মেশিনকে স্কেল করে এমন একটি আরএল এজেন্ট প্রবর্তন করেছি, যা প্রতি সেকেন্ডে কয়েক মিলিয়ন ফ্রেমে প্রশিক্ষণ সক্ষম করে এবং গণনার দক্ষতার উল্লেখযোগ্য উন্নতি করে। এটি এমন একটি অভিনব আর্কিটেকচারের মাধ্যমে অর্জন করা হয়েছে যা মডেল সূচনা কেন্দ্রিককরণ এবং দ্রুত যোগাযোগ স্তর প্রবর্তন করে স্কেল-তে ত্বক (জিপিইউ বা টিপিইউ) এর সুবিধা গ্রহণ করে।
আমরা গুগল রিসার্চ ফুটবল, আর্কেড লার্নিং এনভায়রনমেন্ট এবং ডিপমাইন্ড ল্যাব এর মতো জনপ্রিয় আরএল বেঞ্চমার্কগুলিতে সিড আরএল কর্মক্ষমতা প্রদর্শন করি এবং দেখিয়েছি যে আরও বড় মডেল ব্যবহার করে ডেটা দক্ষতা বাড়ানো যেতে পারে। জিপিইউ সহ গুগল ক্লাউডে চলার উদাহরণগুলির সাথে কোডটি গিথুবে খোলা হয়েছে।
বীজ আরএল টেনসরফ্লো ২.০ ফ্রেমওয়ার্কের ভিত্তিতে তৈরি y গ্রাফিক্স প্রসেসিং ইউনিটের সংমিশ্রণ ব্যবহার করে কাজ করে এবং মডেল অনুমিতি কেন্দ্রীয়করণের জন্য টেনসর প্রসেসিং ইউনিট। মডেলটিকে প্রশিক্ষণ দেয় এমন একটি শেখার উপাদান ব্যবহার করে কেন্দ্রীয়ভাবে অনুরাগ করা হয়।
লক্ষ্য মডেলের ভেরিয়েবল এবং রাষ্ট্রের তথ্য স্থানীয়ভাবে সংরক্ষণ করা হয় এবং তাদের উপর পর্যবেক্ষণগুলি প্রক্রিয়াটির প্রতিটি পর্যায়ে শিক্ষার্থীর কাছে প্রেরণ করা হয়। প্রচ্ছন্নতা হ্রাস করতে সার্বজনীন ওপেন সোর্স আরপিসি কাঠামোর উপর ভিত্তি করে এসইডি আরএল একটি নেটওয়ার্ক লাইব্রেরিও ব্যবহার করে।
The গুগল গবেষকরা বলেছেন যে শেখার উপাদান বীজ আরএল দ্বারা হাজার হাজার কোর প্রসারিত হতে পারে, পরিবেশে পরিমাপ গ্রহণ এবং পরবর্তী পদক্ষেপের পূর্বাভাস দেওয়ার জন্য মডেলটির উপর একটি অনুমানের সম্পাদনের মধ্যে পুনরাবৃত্তি হওয়া অভিনেতাদের সংখ্যা কয়েক হাজার মেশিন পর্যন্ত বাড়ানো যেতে পারে।
গুগল জনপ্রিয় আরকেড লার্নিং পরিবেশ, গুগল রিসার্চ ফুটবল পরিবেশ এবং বিভিন্ন ডিপমাইন্ড ল্যাব পরিবেশের সাথে তুলনা করে সিড আরএল এর কার্যকারিতা মূল্যায়ন করেছে ফলাফল ফলাফল দেখায় যে তারা ২.৪ মিলিয়ন প্রশিক্ষণ নেওয়ার সময় গুগল রিসার্চ ফুটবলের কাজটি সমাধান করতে পেরেছিল they ক্লাউড টেনসর প্রসেসিং ইউনিটের 2,4 চিপ ব্যবহার করে প্রতি সেকেন্ডে ফ্রেম।
এটি পূর্ববর্তী ফ্রেমের তুলনায় প্রায় 80 গুণ বেশি গতিযুক্ত, গুগল বলেছে।
"এটি একটি উল্লেখযোগ্য সময়ের ত্বরণে অনুবাদ করে, যেহেতু এক্সিলিটরগুলি সিপিইউগুলির তুলনায় অপারেশন প্রতি অনেক কম সস্তা, তাই পরীক্ষাগুলির ব্যয় খুব মারাত্মকভাবে হ্রাস পেয়েছে।" আমরা বিশ্বাস করি যে বীজ আরএল এবং উপস্থাপিত ফলাফলগুলি দেখায় যে পুনর্বহাল শেখা আবারও ত্বকের ব্যবহারের ক্ষেত্রে বাকী গভীর শিক্ষার সাথে জড়িত হয়ে উঠেছে, "গুগল রিসার্চের গবেষক ইঞ্জিনিয়ার ল্যাসে এসপল্ট লিখেছেন।
আধুনিক ত্বরণকারীগুলিতে ব্যবহারের জন্য অনুকূলিত একটি স্থাপত্যের সাথে, ডেটা দক্ষতা বৃদ্ধির প্রয়াসে মডেলের আকার বাড়ানো স্বাভাবিক।
গুগল বলেছিল যে এসইড আরএল কোডটি মুক্ত উত্স এবং গিথুবে উপলভ্য ছিল, পাশাপাশি গ্রাফিক্স প্রসেসিং ইউনিটগুলির সাথে গুগল ক্লাউডে এটি কীভাবে কাজ করা যায় তা উদাহরণ দেখায়।
অবশেষে, যারা এই নতুন কাঠামোর প্রতি আগ্রহী তাদের জন্য তারা নীচের লিঙ্কে যেতে পারেন যেখানে তারা এ সম্পর্কে আরও তথ্য পেতে পারেন। লিঙ্কটি হ'ল এটি।
উৎস: https://ai.googleblog.com/