蘋果神經網路演算法 DeepPCR：訓練速度翻倍提升
蘋果公司最新發佈了 DeepPCR 機器學習演算法，這一演算法通過並行處理常規順序操作，極大地加速了神經網路的推理和訓練速度。
提升神經網路訓練速度的突破
「DeepPCR：神經網路中的平行順序操作」：神經網路一直在處理各種複雜任務，從文字或圖片合成到分割和分類等，然而，其運算需求巨大，導致訓練和回饋結果的時間長達數天甚至數週。
挑戰：運算瓶頸及解決方案
©愛瘋日報表示，雖然已廣泛採用平行化技術來加速神經網路的訓練和推理，但部分操作仍然按順序執行，導致計算瓶頸和效率低下。
DeepPCR 演算法的嶄新突破
為解決這一問題，蘋果科學研究團隊推出了 DeepPCR 演算法，採用了平行循環還原（PCR）演算法，將順序運算的成本大幅降低，從而極大地提高了運行速度。
效能提升：驚人的測試結果
該團隊展示了在多層感知器中部署 DeepPCR 演算法後，前向傳遞速度最高提升 30 倍，而向後傳遞速度更達到了驚人的 200 倍。
應用與效果驗證
DeepPCR 演算法已成功應用於深度 ResNet 訓練以及在多個資料集上的擴散模型生成。實驗結果表明，DeepPCR 不僅極大提高了 ResNet 訓練的速度（提高了 7 倍），也大幅加速了擴散模型的創建速度（提高了 11 倍）。
