Meta 研究员分享 capi 训练技巧:按批次比例丢弃样本保住 GPU 效率
TimDarcet · x · 2026-09-09
Meta 研究员 TimDarcet 分享一个训练工程技巧:在处理变长样本丢弃时,不要用「每个样本以概率 p 被丢弃」的方式,而是改为「每个批次按比例 p 丢弃一部分」,这样张量形状保持恒定,GPU 效率不受影响。他在 Meta 的开源项目 capi(计算机视觉训练库)中就是这样实现的,并给出 model.py 链接;如果全部逻辑都在 GPU 上,编译也能顺畅通过。
所属事件:Meta 研究员分享按批次比例丢弃样本的训练提速技巧(3 条相关)→
「研究」频道最新
- 研究员写综述自曝:引用的博客与 HF 链接比论文还多 — antoine_chaffin · 2026-09-09
- ECCV 2026 工作坊论文：通过场景一致性约束改进 FoundationPose — ducha_aiki · 2026-09-09
- ECCV 2026 主题演讲预告:我们在重新发现几何吗? — ducha_aiki · 2026-09-09
- 对 AI 疲惫时看看 Colossal:人类首次复活恐狼的公司 — retr0jirachi · 2026-09-09
- 新攻击可从 CPU 缓存痕迹重建本地 LLM 输出文本 — chaumian · 2026-09-09
- JPPO 攻击让 VLM 推理延迟放大 36 倍、能耗放大 32 倍 — chaumian · 2026-09-09