OPML: Blok Zinciri üzerindeki verimli ve düşük maliyetli makine öğrenimi çerçevesi

OPML: Genişletilebilir bir Blok Zinciri Makine Öğrenimi Çözümü

Makine öğreniminin blok zinciri alanındaki uygulamaları giderek daha önemli hale geliyor. Mevcut çözümlerin sınırlamalarını aşmak için, blok zinciri sistemlerine verimli, düşük maliyetli AI modeli çıkarım ve eğitim hizmetleri sunmayı amaçlayan OPML(Optimistik makine öğrenimi) çerçevesini öneriyoruz.

OPML'in temel düşüncesi, ML hizmetinin merkeziyetsizliğini ve doğrulanabilirliğini sağlamak için bir doğrulama oyun mekanizması kullanmaktır. Bu mekanizmanın iş akışı şu şekildedir:

  1. Talep eden ML hizmet görevi başlatır
  2. Sunucu görevi tamamladı ve sonucu zincire gönderdi.
  3. Doğrulayıcı sonuçları doğrular, itiraz varsa doğrulama oyununu başlatır.
  4. Hata adımlarını doğru bir şekilde belirlemek için ikili protokolü kullanın.
  5. Akıllı sözleşme üzerinde tartışmalı bir adım için hakemlik yapmak

OPML: Optimistik Rollup sistemi kullanan makine öğrenimi

ZKML ile karşılaştırıldığında, OPML'in belirgin avantajları vardır:

  • Katılım eşiği düşük: Sıradan bir PC, büyük dil modellerini çalıştırmak için GPU'ya ihtiyaç duymadan çalışabilir.
  • Maliyet etkin: Pahalı sıfır bilgi kanıtlarına gerek yok
  • Yüksek Esneklik: Model çıkarımı ve eğitimi destekler

Verimliliği artırmak için, OPML çok aşamalı doğrulama oyun tasarımını benimsemiştir:

  • İlk aşama sanal makinede çalıştırılır, tek aşamalı protokole benzer.
  • İkinci aşama yerel ortamda GPU gibi donanım hızlandırması ile kullanılabilir.
  • Aşama aşama bütünlük ve güvenliği sağlamak için Merkle ağacı kullanılır.

Bu tasarım, OPML'nin donanım kaynaklarını tam olarak kullanabilmesini sağlar ve güvenliği sağlarken performansı önemli ölçüde artırır. LLaMA modelini örnek alırsak, OPML iki aşamalı bir yöntem kullanmaktadır:

  1. İkinci aşama, hesaplama katmanında doğrulama oyunu gerçekleştirilir, GPU hızlandırması kullanılabilir.
  2. İlk aşamada tartışmalı düğüm hesaplamaları VM komutlarına dönüştürülecek ve doğrulama yapılacaktır.

OPML: Optimistik Rollup sistemi kullanan makine öğrenimi

Çok aşamalı tasarım, tek aşamalı protokole kıyasla hesaplama hızını α kat artırır ( α GPU hızlandırma oranı ), Merkle ağacının boyutu da O( mn)'den O( m+n)'e düşmüştür.

OPML:Optimistik Rollup sistemini kullanan makine öğrenimi

Sonuç tutarlılığını sağlamak için, OPML sabit nokta algoritması ve yazılım tabanlı kayan nokta kütüphanesi kullanmıştır, bu da çapraz platform kayan nokta hesaplamalarındaki farklılık sorununu etkili bir şekilde çözmüştür.

OPML: Optimistik Rollup sistemi kullanan makine öğrenimi

Genel olarak, OPML, Blok Zinciri üzerindeki makine öğrenimi için verimli, düşük maliyetli ve ölçeklenebilir bir çözüm sunmaktadır. Bu, yalnızca model çıkarımını desteklemekle kalmaz, aynı zamanda model eğitimi için de kullanılabilir ve genel bir ML çerçevesidir. OPML projesi hala aktif olarak geliştirilmektedir, ilgi duyan geliştiriciler katkıda bulunmaya davet edilmektedir.

OPML: Optimistik Rollup sistemini kullanan makine öğrenimi

View Original
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
  • Reward
  • 3
  • Repost
  • Share
Comment
0/400
ContractHuntervip
· 08-15 07:24
Bu akıllı denir.
View OriginalReply0
AirdropHunterWangvip
· 08-15 07:17
Proje gerçekten ilginç.
View OriginalReply0
RooftopVIPvip
· 08-15 07:13
Gelecek çok parlak görünüyor.
View OriginalReply0
Trade Crypto Anywhere Anytime
qrCode
Scan to download Gate app
Community
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • Bahasa Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)