
快 10–45 倍H100 分群速度對比 k-means · 作者自行測試
e-means 分群加速 10–45 倍
Meta FAIR 與 École Nationale des Ponts et Chaussées 的研究人員提出 e-means,以這套分群方法將相似的資料向量歸為一組。研究團隊在 arXiv 預印本中報告,達到相同分群誤差時,e-means 在 GPU 上的執行速度為既有 k-means 實作的 10–45 倍。
來源
論文e-means: outperforming k-means (in one-tenth the epochs)程式碼facebookresearch/faiss: A library for efficient similarity search and clustering of dense vectors.由 AI 依據原文撰寫