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
- EMNLP 2026 两篇论文：小模型实体追踪超人类、类人短暂记忆研究 — GretaTuckute · 2026-10-27
- 历时十年研究：秘鲁 Tarma 克丘亚语的「反自然」音系限制首获实证 — begusgasper · 2026-10-27
- Clinical System One v0.2:更难测试下顶级医疗 AI 准确率跌至 65% — MaziyarPanahi · 2026-10-27
- IdeaAnchor:用 1.4 万篇论文的灵感溯源教 LLM 基于文献提想法 — armancohan · 2026-10-26
- MIT Ziming Liu 批评 AutoResearch：不懂原理的训练技巧会引发 forking 过拟合灾难 — ZimingLiu11 · 2026-10-26
- 斯坦福数据中心化 AI 研讨会开放报名，海报截止延期 — jure · 2026-10-26