Cтуденты из fast.ai разработали алгоритм, который на 40% эффективнее чем код Google для анализа и классификации изображений. Обучение нейросети заняло 18 минут и стоило $40.
Команда обучила алгоритм на датасете ImageNet до 93% точности за 18 минут, используя 16 облачных AWS, каждый из которых имеет 8 графических процессоров NVIDIA V100, работающих на библиотеках fastai и PyTorch. Разработчики научили модель обрезать изображения, что помогло ускорить тренировку на 23% по сравнению с другими подходами для достижения контрольной точности. Это новый рекорд скорости для обучения ImageNet с такой точностью на общедоступных инструментах.
Эффективность измеряли с помощью DAWBench, разработанного в Стэнфорде. Несмотря на то, что команда использовала более дешевое оборудование, результаты fast.ai на 40% лучше, чем у алгоритмов Google, обученных на чипах TPU Pod.