27 подписчиков
На стенде АФТ, построенном на оборудовании компании #Yadro , #ВСК провела испытания решения для обучения и тестирования нейросетей и ML-моделей, требующих высоких процессорных мощностей.
👨💻 На первом этапе было проведено обучение и тестирование моделей разной архитектуры для задачи маппинга текстовых списков, в частности – предсказания принадлежности текстовых объектов к классам различного уровня. Модели, построенные с применением методов глубокого обучения (Embedding+LSTM+Dense, реализация в Natasha, FastText и Keras/Pytorch-lightning и RuBERT), оценивались по соотношению время обучения – качество. Оказалось, что точность обучения при использовании графических ускорителей и обычных ЦП сопоставима, а вот скорость обучения на графических ускорителях выросла в 15-80 раз!
На втором этапе было проведено обучение и тестирование моделей для решения задач улучшения распознавания сущностей в неструктурированном тексте и распознавания по фотографии. В ходе испытаний установлено, что использование графических ускорителей позволяет до 38 раз ускорить процесс тренировки небольших моделей (12 – 17M параметров).
Для проведения испытаний использовался стенд, развернутый в Ассоциации ФинТех на базе оборудования компании YADRO. Стенд демонстрирует возможность использования российских инфраструктурных решений на большинстве уровней технологического стека типичной финансовой организации и включает в себя серверы VEGMAN, систему хранения TATLIN.UNIFIED, централизованное ПО управления СУПРИМ.
🗣 Руководитель управления развития технологий Ассоциации ФинТех Олег Моргун: Для достижения технологического суверенитета перед финансовыми организациями стоит задача заместить имеющиеся импортные программно-аппаратные комплексы для работы core-систем отечественными, не замедляя при этом развитие и внедрение инноваций. Стенд АФТ позволяет успешно решать различные задачи, в том числе, в области ML: по распознаванию документов, обработке неструктурированных потоков информации, разработке решений для андеррайтинга и т.д.
1 минута
5 февраля