谷歌近日发布了一个名为TpuGraphs的模型训练数据集，旨在优化编译器和提升AI深度学习能力。这个数据集主要来自各种开源深度学习程序，包括多种热门模型架构，如ResNet、EfficientNet、Mask R-CNN和Transformer等。
据谷歌介绍，与业界竞品相比，TpuGraphs数据集的平均图大小是业界训练集的770倍，“图数量”则是对了25倍。他们声称，利用TpuGraphs数据集可以有效解决最终输出模型可扩展性、效率和质量等问题。
此外，谷歌还介绍了一种名为GST（Graph Segment Training）的模型训练方法，该方法可以在RAM有限的设备上训练大型图神经网络，并宣称能够将模型端到端训练时间加速3倍，从而提高模型训练效率。
本文属于原创文章，如若转载，请注明来源：谷歌发布超大规模训练数据集，加速AI模型训练https://news.zol.com.cn/847/8479375.html
