Yapay zeka modellerinin eğitiminde kullanılan hesaplama kaynaklarının verimli yönetimi, teknoloji şirketleri için giderek daha kritik hale geliyor. Yeni bir araştırma, dağıtık derin öğrenme sistemlerinde eğitim süresi tahminlerinin doğruluğunu artırmak için hassasiyet ayarlarına odaklanıyor.
Araştırmacılar, kayan nokta hassasiyet ayarlarının eğitim süresini minimum değerin 2,4 katına kadar çıkarabileceğini keşfetti. Bu durum, özellikle karışık hassasiyet kullanılan sistemlerde kaynak planlaması ve maliyet hesaplamalarında ciddi sorunlara yol açıyor.
Mevcut tahmin yöntemlerinin en büyük eksikliği, statik model hesaplama grafiklerine dayanması ve hassasiyet değişkenlerini göz ardı etmesi. Bu yaklaşım, özellikle karışık hassasiyet kullanılan durumlarda ortalama mutlak yüzde hata oranının %147'ye kadar çıkmasına neden oluyor.
Geliştirilen yeni hassasiyet farkında tahmin modeli, çeşitli hassasiyet ayarlarında tutarlı performans sergiliyor. Model, karışık hassasiyet dahil farklı yapılandırmalarda %9,8 ortalama mutlak yüzde hata oranıyla çalışıyor. Bu gelişme, yapay zeka projelerinde kaynak planlaması ve iş çizelgeleme süreçlerinin daha verimli hale gelmesini sağlayacak.