Meta FAIR 发布 e-means 聚类算法并集成至 FAISS 1.16.0
Meta FAIR 开源 e-means，用指数移动平均小批量更新质心，达到 Lloyd k-means 25 轮损失仅需 1.4–2.6 轮；已随 FAISS 1.16.0 发布，作者自报 GPU 提速 10–45 倍。
要点
- e-means 是 Lloyd k-means 的替代算法，随 FAISS 1.16.0 在 faiss.contrib.e_means 中提供。
- 它用指数移动平均更新质心，达到 Lloyd 25 轮损失只需 1.4–2.6 轮。
- 作者自报 GPU 对 Flash-KMeans 提速 10–45 倍，CPU 对 Faiss k-means 提速 8–15 倍。
- 两条拟合缩放法则设置批大小与初始步长，无需额外调参，步长按余弦调度衰减。
- 支持 CPU/GPU、PyTorch 张量与 NumPy，测试规模 10 万到 100 亿点，最高 1670 万簇。
阅读原文这里是中文要点整理，数字与细节以原文为准。
评论
还没有评论，来写第一条。