Zi 字媒體

對於Facebook來說，網站上佔據最多流量的就是各種圖片和視頻，所以他們一直非常關注計算機視覺的發展。在最近召開的西雅圖 Data@Scale 大會上，Facebook公布了一篇研究論文，論文顯示他們已經成功研發出一套新的計算機視覺系統，每秒鐘可以完成4萬張圖片的訓練。據了解，這套計算機視覺系統基於Caffe2的系統，高達8192張圖的minibatch大小，將之前的8個GPU增加到256個，在這些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，並且保證了準確性。數據顯示，Facebook每月的活躍用戶已經達到了19.6億，從這些數據中精準篩選出圖片的話會給機器學習帶來很大的壓力，同時還將耗費很長的時間，現在這個新的計算機視覺方法就可以改進這點。此前，Facebook 還將一些計算機視覺演算法代碼上傳到GitHub供大眾下載，包括DeepMask分割框架還有SharpMask分割精細化模塊，來幫助Facebook促進這項技術。這次Facebook依然以開放的心態，公開這次計算機視覺系統的研發成果和硬體堆棧。