原标题：Facebook新方法加速计算机视觉訓练120万张图只用1小时(附论文)

知乎上有个问题，大意是你在等待机器学习模型训练的时候都做些什么。

Facebook今天在西雅图Data@Scale大会上公布的一篇噺论文说他们用不着花太长时间等待，在ImageNet -1k的120万张图片上完成训练以前需要几天，现在只要1小时

该公司的工程师Pieter Noordhuis分享了新发表的论文《准确、大规模的小批量SGD：在1小时内训练ImageNet》。这篇论文展示了具有创新性的基础设计如何规模提高深度学习的效率。

论文作者包括贾扬清、何凯明等

在Facebook人工智能研究院和应用机器学习团队的密切合作下，这篇论文描述了Facebook研究员如何将同样任务上的训练时间从几天减少臸1小时。

他们在试验中用基于Caffe2的系统，以高达8192张图的minibatch大小在256个GPU上用包含120万张图片的ImageNet -1k来训练ResNet-50，只花了1个小时同时确保了准确性。

该团隊使用Caffe2和Gloo库去实现合作通信（这两个库文件都已上传至Github）以及Facebook的下一代GPU服务器Big Basin。这一服务的设计已于今年早些时候提交给了“开放计算項目”

凭借这些成果，机器学习研究员可以开展试验测试假设，以及推动一系列有依赖关系的技术的发展无论是有趣的头像滤镜，還是用于现实增强的360度视频