Facebook ha dado con una nueva técnica que permite acelerar el entrenamiento de sistemas de aprendizaje profundo posibilitando una alta clasificación de imágenes a la hora sin perjudicar la precisión con la que hasta ahora había estado manteniendo usando un número menor de imágenes en el mismo periodo.
Dicha técnica está documentada en un nuevo trabajo presentado esta misma mañana desde el que se indica que puede entrar unas 40.000 imágenes por segundo utilizando 265 GPUs manteniendo la precisión de los resultados.
Con la nueva técnica se permitirá ejecutar múltiples entrenamientos por día en lugar de realizar un sólo entrenamiento. Hasta ahora, el uso de grandes lotes de imágenes en un número alto de GPUs ha dado lugar a la pérdida de precisión.
Ahora, con la nueva técnica, se mantiene la precisión a la hora de usar grandes lotes de imágenes. El truco está en la disponibilidad de una nueva fase de calentamiento por la cual va variando la velocidad de aprendizaje y el número de imágenes a clasificar en un periodo de tiempo manteniendo la misma precisión.
Para dar con la nueva técnica, Facebook ha estado usando servidores de la Open Compute Project bajo el framework Caffe2, de código abierto. Desde Facebook creen que aquellos otros que usen servidores distintos así como frameworks distintos, usando la misma técnica deberían obtener resultados similares.
Queda claro que esta técnica es bastante importante para Facebook por cuanto está apostando por los contenidos multimedia a través de diferentes formatos, incluyendo imágenes esféricas en gafas de Realidad Virtual, por lo que le permitiría acelerar aquellos proyectos en mente, ganando en eficiencia.