Faiss 1.16.0, büyük ölçekli kümeleme için e-means’i ekledi
Meta’nın Faiss kütüphanesinin 1.16.0 paketi, büyük vektör kümelerinde daha az geçişle yakınsama hedefleyen e-means uygulamalarını CPU, GPU ve dağıtık çalışma seçenekleriyle sunuyor.
BİR BAKIŞTA
Haberin özeti
- Üstel ağırlıklı mini gruplarla merkez güncellemesi
- CPU, GPU, dağıtık ve parçalı eğitim seçenekleri
- Hız iddiaları donanım ve iş yüküne bağlı
Neler değişiyor?
Faiss’in `faiss-cpu 1.16.0` paketi 10 Kasım’da PyPI’ye güvenilir yayınlama üzerinden yüklendi. GitHub Releases sayfası ve ana değişiklik günlüğü bu sürümü henüz göstermese de paket kaydı, resmî Faiss deposundaki e-means kodu ve 6 Kasım tarihli araştırma makalesi sürümün varlığını ve özelliğin kapsamını doğruluyor.
e-means, Lloyd k-means’in her geçişte tüm veri için toplam ve sayıları yeniden kurması yerine mini gruplardan üstel ağırlıklı toplamlar ile sayılar güncelliyor. Uygulama az kullanılan merkezleri etkin merkezlerden bölerek canlandırabiliyor ve son geçişteki atamalarla merkezleri tamamlıyor. Faiss 1.16.0; NumPy/PyTorch yolları, CPU/GPU ataması, çoklu GPU ve merkez parçalama seçenekleri içeriyor.
Araştırmacılar, e-means’in karşılaştırılan veri kümelerinde Lloyd yönteminin 25 geçişte ulaştığı kaybı 1,4–2,6 geçişte aştığını; GPU karşılaştırmalarında 10–45 kat duvar saati hızlanması gördüklerini bildiriyor. Bunlar sağlayıcı araştırma sonuçlarıdır; donanım, boyut, merkez sayısı ve yaklaşık atama seçimi gerçek kazancı belirler.
Asıl kaynaklara göz at
Kaynak tarihi: 11 Kasım 2026.
AI Radar yayın saati: 11 Kas 2026 05:12 (Türkiye).
KONUYU TAKİP ET
Konular ve etiketler
Keşfini paylaş.
Bu haberi bir arkadaşına gönder.
Okuyucu yorumları
Bu gelişme hakkında ne düşünüyorsun? Deneyimini veya sorunu paylaş. Yorumlar editör onayından sonra yayımlanır.
Adın/takma adın ve yorumun onaylanırsa herkese açık görünür. Veri işleme hakkında: Gizlilik bilgilendirmesi.
Yorumlar yükleniyor…