Відчуття понеділка зовсім інші, коли відлагоджуєш розподілене ML. Отже, питання — чи дійсно моделі машинного навчання вже використовують всю пропускну здатність мережі Bittensor?



Схоже, деякі команди не сидять склавши руки. Команда inference_labs запропонувала цікавий workflow: береш свій ONNX-файл моделі, проводиш квантизацію для прискорення інференсу, потім розбиваєш на частини через dsperse для розподіленої обробки. Фішка в тому, що поверх цього вони додають zk-snarks для підтверджуваної обробки.

Досить розумно, якщо подумати — вирішують проблему вузького місця по пропускній здатності, одночасно зберігаючи докази легковаговими. Хтось ще експериментує з шардингом моделей у децентралізованих мережах?
TAO1%
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
  • Нагородити
  • 8
  • Репост
  • Поділіться
Прокоментувати
0/400
WinterWarmthCatvip
· 12-10 18:49
Розподілений - це щось справді цікаве
Переглянути оригіналвідповісти на0
AirdropDreamBreakervip
· 12-08 20:15
Відчуття від кількісного аналізу, продовжуємо знижувати
Переглянути оригіналвідповісти на0
SquidTeachervip
· 12-08 05:55
Розподіл досить цікавий
Переглянути оригіналвідповісти на0
degenwhisperervip
· 12-08 05:53
День, який приніс інженерам справжню радість
Переглянути оригіналвідповісти на0
EthMaximalistvip
· 12-08 05:52
Розподілена продуктивність занадто висока
Переглянути оригіналвідповісти на0
BuyHighSellLowvip
· 12-08 05:35
Твій метод справді висококласний
Переглянути оригіналвідповісти на0
just_another_walletvip
· 12-08 05:30
Розподілені обчислення дійсно круті
Переглянути оригіналвідповісти на0
RektDetectivevip
· 12-08 05:26
Розподілені обчислення дійсно круті!
Переглянути оригіналвідповісти на0
  • Закріпити