오늘날 기계 학습 기술이 다양한 응용 프로그램에 널리 적용됨에 따라 기계 학습은 온라인 서비스에서 중요해졌습니다.
모프웨어 는 유휴 컴퓨팅 파워를 경매하여 가속기 소유자에게 보상을 제공한 다음 관련 하위 루틴을 촉진하는 분산형 머신 러닝 시스템입니다.
기계 학습 모델의 유형에는 지도 학습 알고리즘이 포함됩니다.
지도 학습 알고리즘의 훈련은 입력 세트에 적용하거나 바람직한 출력을 예측하기 위한 최적의 가중치 조합을 찾는 것으로 볼 수 있습니다.
이 작업의 원동력은 계산 복잡성입니다. 비디오 게임을 렌더링하는 데 사용되는 하드웨어는 지도 학습 알고리즘의 훈련을 가속화할 수도 있습니다.
모프웨어란?
기계 학습 모델의 주요 문제 중 하나는 최첨단 기계 학습 워크로드를 실행하는 데 필요한 계산 리소스가 약 XNUMX개월 반마다 두 배로 증가한다는 것입니다.
이 문제를 해결하기 위해 Morphware는 실습 데이터 과학자, 기계 학습 엔지니어 및 컴퓨터 과학 학생이 비디오 게임 플레이어 또는 다른 사람에게 비용을 지불하여 대신 모델을 훈련할 수 있도록 하는 PXNUMXP 네트워크를 개발합니다.
하드웨어 기계는 데이터 과학자가 기계 학습 모델의 개발을 가속화하는 데 도움이 되지만 이러한 하드웨어 가속기의 높은 비용은 많은 데이터 과학자에게 장벽이기도 합니다.
기계 학습 모델이란 무엇입니까?
기계 학습 모델은 감독 및 매개변수화 정도에 따라 달라질 수 있습니다. 지도 매개변수화 모델을 훈련하는 목적은 예측과 관찰 사이의 수치적 거리에 걸쳐 있는 오류율을 낮추는 것입니다.
머신 러닝 모델 훈련은 전처리를 통해 구현되고 테스트가 뒤따릅니다. 데이터 과학자는 테스트 기간 동안 사용할 수 있는 데이터와 훈련하는 동안 머신 러닝 모델에 사용할 수 있는 데이터를 분리합니다.
따라서 모델이 사용 가능한 데이터 집합과 성능에 과적합되지 않음을 알 수 있으며, 이는 보이지 않는 데이터에서 더 나쁠 수 있습니다.
일반적으로 훈련 및 테스트 데이터는 사전 처리에서 동일한 파일 또는 디렉터리에서 선택됩니다.
딥 러닝의 탄생은 현대의 빅뱅입니다. 근본적으로 새로운 소프트웨어 모델인 딥 러닝을 사용하면 수십억 개의 소프트웨어 뉴런과 수조 개의 연결을 동시에 훈련할 수 있습니다.
심층 신경망 알고리즘을 실행하고 예제에서 학습하는 가속 컴퓨팅은 이상적인 접근 방식이고 GPU는 이상적인 프로세서입니다.
더 나은 성능, 프로그래밍 생산성 및 개방형 접근성을 갖춘 컴퓨팅 플랫폼을 위한 새로운 세대를 만들기 위한 새로운 조합입니다.
딥 러닝 모델은 머신 러닝 모델의 하위 집합으로 알려져 있습니다. 잠복 변수의 상호 연결된 레이어 때문에 훈련에 특히 계산 집약적입니다.
Morphware의 솔루션은 무엇입니까?
주요 플랫폼의 통화인 Morphware Token이 이러한 거래에 사용됩니다.
토 케노믹스
Morphware Token의 총 공급량은 1,232,922,769이며 소각은 가능하지만 발행은 불가능합니다.
Morphware에서 설계, 개발 및 배포한 웹사이트를 통해 사용자는 플랫폼 토큰을 구입할 수 있습니다.
Morphware Token의 총 공급량의 XNUMX% 미만이 첫 달에 판매될 것입니다.
모프웨어 작동 방식
머신 러닝 모델의 프로세스는 데이터 분석이며 모델 선택과 기능 엔지니어링 사이를 오가는 반복적인 사이클입니다.
이 작업의 목적은 워크로드를 가속화할 수 있는 분산 컴퓨터 네트워크에 대한 액세스를 생성하여 데이터 과학자와 같은 최종 사용자가 더 빠르게 반복할 수 있도록 돕는 것입니다.
최종 사용자는 봉인된 입찰, XNUMX차 가격 역경매를 통해 작업자 노드와 짝을 이루고 지불합니다. 그들은 모델을 훈련하기 위해 작업자 노드에 비용을 지불하고 Morphware Token에 의해 작업자 노드에서 훈련된 모델을 테스트하기 위해 검증자 노드에 비용을 지불합니다.
네트워크 구성원의 역할과 책임에는 두 가지 자율 피어 유형이 포함됩니다.
Morphware로 작업하기 위해 최종 사용자는 교육 및 테스트 데이터인 Jupyter 노트북 또는 Python 파일의 형태로 모델을 업로드하기만 하면 됩니다.
다음으로 목표 정확도 수준을 지정하고 해당 정확도 수준에 도달하는 데 걸리는 시간을 예측해야 합니다. 제출을 클릭하면 완료됩니다.
최종 사용자는 작업자가 훈련하고 검증자가 테스트할 모델을 제출합니다. 한편, 작업자는 최종 사용자가 제출한 훈련 모델을 통해 토큰을 얻는 노드입니다.
검증자는 작업자가 훈련한 모델을 테스트하여 토큰을 얻는 노드입니다.
최종 사용자가 모델을 제출하면 백엔드 데몬을 통해 네트워크와 통신하는 플랫폼을 통해 작업자가 모델을 훈련하고 검증자가 테스트합니다.
데몬은 최종 사용자가 클라이언트를 통해 제출한 것에 대한 알고리즘 및 해당 데이터 세트를 생성할 뿐만 아니라 초기 작업 요청을 스마트 계약으로 보내는 책임이 있습니다.
또한 데몬은 작업자와 검증자에 의한 모델 교육 및 테스트를 담당합니다.
피어 지원 전달을 통해 최종 사용자에서 작업자 또는 유효성 검사기로 알고리즘 및 해당 데이터 세트를 전파할 수 있습니다.
그러나 최종 사용자의 초기 작업 요구 사항과 작업자 또는 검증자가 최종 사용자에 대한 관련 응답은 모두 스마트 계약에 게시됩니다.
초기 작업 요구 사항에는 학습 기간의 예상 실행 시간, 알고리즘 관련 마그넷, 학습 세트 및 데이터 테스트 세트가 포함됩니다.
작업자의 응답에는 그들이 훈련한 모델에 대한 자석 링크가 포함되며, 이는 이후에 많은 검증자들에 의해 테스트됩니다.
훈련된 모델이 필요한 성능 임계값을 충족하면 작업자와 검증인은 보상으로 토큰을 받게 됩니다.
모프웨어가 뛰어난 이유
Morphware는 양면 시장입니다.
마켓플레이스는 플랫폼을 사용하여 CPU, GPU, RAM과 같은 컴퓨터 네트워크를 통해 원격 컴퓨팅 성능에 액세스할 수 있는 데이터 과학자를 AWS를 사용하는 방식으로 제공하지만 더 저렴한 비용과 사용자 친화적인 인터페이스를 제공합니다.
반면에 Morphware는 컴퓨팅 능력을 판매하여 돈과 보상을 얻으려는 초과 컴퓨팅 능력 소유자에게도 서비스를 제공합니다.
따라서 고객 세그먼트는 데이터 과학자, 게이머 또는 돈을 벌고 싶어하는 과도한 컴퓨팅 능력을 가진 사람들에 중점을 둡니다.
현재 Morphware의 고객 목록은 자율주행차 Mobility Lab에서 일하는 데이터 과학자, 데이터 과학 지원이 필요한 학생 조직, Suzu, Mitsubishi 또는 Volvo와 같은 자동차 회사를 포함하여 지속적으로 증가하고 있습니다.
Morphware는 Tellor와도 제휴했습니다. 이 파트너십에 따라 Tellor는 처음 몇 개월 동안 오라클을 사용한 대가로 Morphware에 비용을 지불할 예정입니다.
Morphware는 시장의 다른 경쟁자와 비교하여 경쟁 우위를 가지고 있습니다. 독특한 시장 전략으로 인해 제품이 다른 제품보다 저렴합니다.
모프웨어에 대한 마무리 생각
기계 학습 모델이 점점 더 복잡해짐에 따라 블록체인 기반 네트워크를 통해 거래되는 기계 학습 모델의 새로운 생태계에 대한 프로젝트가 탐색되었습니다.
따라서 최종 사용자나 구매자는
기계 학습 시장에서 관심 있는 모델을 선택하고, 작업자나 판매자는 해당 모델의 품질을 향상시키기 위해 데이터에 대한 로컬 계산을 수행하는 데 관심이 있습니다.
따라서 로컬 데이터와 훈련된 모델의 품질 간의 비례 관계를 고려하고 모델 훈련 시 판매자 데이터의 가치를 추정합니다.
이 프로젝트는 참가자에 대한 인센티브 측면에서 경쟁력 있는 런타임 성능, 낮은 실행 비용 및 공정성을 보여줍니다.
Morphware는 최종 사용자가 플랫폼의 통화인 Morphware Token으로 비디오 게임 플레이어를 대신하여 기계 학습 모델을 교육할 수 있는 PXNUMXP 네트워크를 도입한 선구적인 플랫폼 중 하나입니다.
