Dzięki za podzielenie się naszą najnowszą pracą @_akhaliq ! Klasyczne algorytmy, takie jak K-Means, zasługują na ponowne rozważenie w erze ogromnych zbiorów danych i GPU. Flash-KMeans przemyślał algorytm z perspektywy systemów, aby uczynić dokładny K-Means szybkim i oszczędnym pamięciowo na nowoczesnym sprzęcie.

𝗞-𝗺𝗲𝗮𝗻𝘀 𝗶𝘀 𝘀𝗶𝗺𝗽𝗹𝗲. 𝗠𝗮𝗸𝗶𝗻𝗴 𝗶𝘁 𝗳𝗮𝘀𝘁 𝗼𝗻 𝗚𝗣𝗨𝘀 𝗶𝘀𝗻’𝘁. Dlatego stworzyliśmy Flash-KMeans — implementację k-średnich, która uwzględnia IO i przemyśla algorytm w kontekście nowoczesnych wąskich gardeł GPU. Atakując bezpośrednio wąskie gardła pamięci, Flash-KMeans osiąga 30-krotne przyspieszenie w porównaniu do cuML i 200-krotne przyspieszenie w porównaniu do FAISS — przy tym samym algorytmie, po prostu zaprojektowanym dla dzisiejszego sprzętu. Przy skali miliona, Flash-KMeans może zakończyć iterację k-średnich w milisekundach. Klasyczny algorytm — zaprojektowany na nowo dla nowoczesnych GPU. Artykuł: Kod:

🚀 Przedstawiamy Sparse VideoGen2 (SVG2) — przyspieszenie generacji wideo na granicy Pareto z semantycznie świadomą rzadką uwagą! 🏆 Artykuł wyróżniony zaakceptowany przez #NeurIPS2025 ✅ Bez treningu i gotowy do użycia ✅ Do 2,5× szybciej na HunyuanVideo, 1,9× szybciej na Wan 2.1 ✅ Zachowana jakość SOTA (brak artefaktów, brak migotania, brak zniekształceń) 📚Artykuł: 💻Kod: 🌐Strona internetowa: ⚡Jądro uwagi: Wspólna praca z: @randwalk0 @ylzhao_dreamer @lmxyy1999 Jintao Zhang @hancai_hm @syn7xavier @xiuyu_l @Chenfeng_X @ZiqiPeng @jianfei_chen @songhan_mit @KurtKeutzer @istoica05 Szczegóły poniżej ⬇️ (1/6) @NeurIPSConf #NeurIPS #VideoGeneration #GenerativeAI #MachineLearning #EfficientAI #OpenSource