雷锋网 6月9日消息 Facebook今日在西雅图 Data@Scale大会上公布的一篇研究论文中表示，已成功开发一套新的计算机视觉系统，该系统在每秒钟可完成4万张图片的训练。这样一来在60分钟内就可以完成ImageNet -1K的数据集（共计120万张图片）的训练就成了可能，而且不会降低质量。而在现阶段，完成数据集的训练至少需要几天时间。
目前，Facebook的月活用户已达19.6亿。如果要从海量的图片中筛选出有意义的和值得纪念图片的话，会给AI、机器学习的训练带来很大的压力，而且较大的网络和数据集会导致更长的训练时间，阻碍其研发进度。所以，Facebook一直在研究更好的方法来解决这一问题。
该研究论文表示，Facebook的AI、机器学习团队在试验中采用了新的系统——用基于Caffe2的系统，以高达8192张图的minibatch大小，在256个GPU上用包含120万张图片的ImageNet -1k来训练ResNet-50，只花了1个小时，同时确保了准确性。
从硬件角度来看，Facebook此前的系统只有8个GPU，增至256个GPU后，规模效益可提升90%。
同时，Facebook还表示，愿意向外公开自己的研发成果和硬件堆栈。
