「類似ベクトル検索のSoTA！！GCP: Vertex Matching Engineにも使用されている手法ScaNNを紹介！ | AI-SCHOLAR | AI：(人工知能)論文・技術情報メディア」

3つの要点✔️ GCPの新プロダクト「Vertex Matching Engine」の元論文✔️ MIPSスコアを考慮した新しい量子化損失関数を提案✔️ ANNBenchmarksでSoTA性能を記録 Accelerating Large-Scale Inference with Anisotropic Vector Quantizationwritten by Ruiqi Guo, Philip Sun, Erik Lindgren, Quan Geng, David Simcha, Felix Chern, Sanjiv Kumar(Submitted on 27 Aug 2019 (v1), last revised 4 Dec 2020 (this version, v5))Comments: Published as a conference paper at ICML 2020.Subjects: Machine Learning (cs.LG); Machine Learning (stat.ML)code： はじめにScaNNはGoogleが発表した、類似ベクトル検索の高速化を目的とし、有名なベンチマークサイト"ann-benchmarks.com"でも最先端の性能を記録している手法です。先日、GCPにVertex Matching Engineという類似ベクトル検索をすごいパフォーマンスで実現するプロダクトがリリース（プレビュー版）されていましたが、ここにも使われている技術となります。注目度も高いプロダクトであるため、この機に元論文の紹介をしてみようと思います。類似ベクトル検索はすごく多様なサービスに応用でき、機械学習ともよく組み合わせて使用されている一方で、個人的には、有名なサービスやライブラリを利用したとしてもパフォーマンス面ではまだ課題が残っているのが現状だと思っていました。

ai-scholar.tech

Webページ

コンテンツ文字数：0 文字

見出し数（H2/H3タグ）：0 個

閲覧数：131 件

2021-06-07 17:08:23

オリジナルページを開く

B!