快速大规模 SVM 训练秘方：精化、并行与更多内存！
机器学习
2022-07-05 v1
摘要
支持向量机（SVMs）是机器学习工具箱中的标准方法，尤其适用于表格数据。非线性核 SVM 常提供高度准确的预测器，但代价是漫长的训练时间。随着数据量随时间指数级增长，该问题愈发严重。过去主要通过两类技术解决：近似求解器和并行 GPU 实现。在本工作中，我们结合两种方法设计了一个极快的对偶 SVM 求解器。我们充分利用现代计算服务器的能力：多核架构、多个高端 GPU 和大容量随机存取存储器。在此类机器上，我们在 24 分钟内于 ImageNet 数据集上训练了一个大间隔分类器。
引用
@article{arxiv.2207.01016,
title = {Recipe for Fast Large-scale SVM Training: Polishing, Parallelism, and more RAM!},
author = {Tobias Glasmachers},
journal= {arXiv preprint arXiv:2207.01016},
year = {2022}
}