Búsqueda · 24 momentos en 13 episodios
Sara RobiscoJuan Carlos GilFrancis VillatoroHéctor SocasGastón Giribetmodelo hall nn entrenamientosimulación chunga tiempo cálculored entrenada 9000 veces menosblaso tardaba 4 días 800 núcleosJuan Carlos GilSara RobiscoHéctor SocasSurface
Entrenamiento modelo sesenta días
Ep 503: Propulsión Espacial; Computación Cuántica; Fusiones de Estrellas de Neutrones; Agujeros Negros
13 de marzo de 20253 momentos
Con
0:000:301:001:302:002:303:12
Tras analizar los resultados del modelo Hall NN y su entrenamiento, Juan Carlos Gil describe cómo la red entrenada ofrece una mejora significativa en el tiempo de cálculo en comparación con las simulaciones iniciales.
…los resultados del entrenamiento con la gráfica de los errores de mínimos cuadráticos es una pasada. O sea, es que ves como la gráfica es del libro, como baja el error, qué gozado. Es tremendo, o sea, conseguimos mejores resultados que las simulaciones. un poquito chunguillas, no eran blaso, eran pic más fluido sin masa, pero claro, una vez que está la red entrenada, a toda caña, dicen que tardan 9.000 veces menos que la simulación chunga esta, la blaso ya decíamos que tardaba 4.000, ¿cómo era? 4 días en 800 núcleos O sea, esto es un Modelo que está disponible, que ahora vas con tus parámetros de diseño y te saca el empuje, lo cual es realmente bueno. Acabo Héctor, no me pongas esa cara. La propulsión eléctrica es la, junto a la nuclear, la tecnología clave de propulsión de los próximos…
Significado #16 · Palabras #1
Héctor Socas y Sara Robisco comentan sobre la experiencia de entrenar redes neuronales en el pasado, donde los resultados tardaban varios días.
Habla: Héctor SocasSignificado #5redes neuronales tardaban una semanaentrenar redes neuronales día nocheestadísticas para evaluar redes neuronalesentrenamiento redes neuronales sara robiscointerrupción proceso días robiscosurface microsoft reventada…y me sale el resultado, la escala de le doy al botón me voy a comer y en un par de horas está el resultado, y la escala de 10 horas, le doy al botón y el día siguiente veo el resultado o el fin de semana como dice Uy, al día siguiente, yo he tenido redes. neuronales que tardaba una semana en entrenar y poniéndolas, dejándolas, eh, día y noche. Sí, yo también, y las dejabas, ibas viendo; además me iba dando con el resultado parcial, la iba usando, iba viendo si la cosa más o menos iba en la dirección deseada, iba mejor, iba peor. Yo le ponía que fuera escupiendo estadísticas para decirme cómo iba, y claro, había veces que llevabas 4 o 5. Días y veías que no mejoraba ni de coña y decías: ya voy a parar, no sé qué, y de repente alguien te decía: no, no, no, que creo que hay 5 o 6 días. Es una película de acción a espabilar. El ordenador, bueno, la Surface la tengo aquí, se hinchó porque la reventé. En mis simulaciones y creo que en muchas otras hay una etapa de equilibrado, de termalización que la llamábamos y que realmente, bueno, con el tiempo ibas cogiendo el feeling pero al principio no sabías, dependiendo en mi caso de la concentración de guiones,…
Tras analizar los resultados del modelo Hall NN y su entrenamiento, Juan Carlos Gil describe cómo la red entrenada ofrece una mejora significativa en el tiempo de cálculo en comparación con las simulaciones iniciales.
Habla: Juan Carlos GilSignificado #16 · Palabras #1modelo hall nn entrenamientosimulación chunga tiempo cálculored entrenada 9000 veces menosblaso tardaba 4 días 800 núcleos…los resultados del entrenamiento con la gráfica de los errores de mínimos cuadráticos es una pasada. O sea, es que ves como la gráfica es del libro, como baja el error, qué gozado. Es tremendo, o sea, conseguimos mejores resultados que las simulaciones. un poquito chunguillas, no eran blaso, eran pic más fluido sin masa, pero claro, una vez que está la red entrenada, a toda caña, dicen que tardan 9.000 veces menos que la simulación chunga esta, la blaso ya decíamos que tardaba 4.000, ¿cómo era? 4 días en 800 núcleos O sea, esto es un Modelo que está disponible, que ahora vas con tus parámetros de diseño y te saca el empuje, lo cual es realmente bueno. Acabo Héctor, no me pongas esa cara. La propulsión eléctrica es la, junto a la nuclear, la tecnología clave de propulsión de los próximos…
Sara Robisco destaca la eficiencia del conjunto de redes neuronales utilizadas para la predicción, indicando que el proceso tarda menos de un segundo.
Habla: Sara RobiscoSignificado #1redes neuronales predicción menos segundoentrenamiento modelo sesenta díaseficiencia conjunto redes neuronales paralelo…Impulso Era una marca de un desodorante, no sé. ¡Ah, ostras, sí, sí, sí, sí, sí! Pero me pilló un pequeño a mí eso. Yo creo que era un perfume. No, era un desodorante, yo creo, y no tenía una mariposita. Pues sí, me suena. No sé, pero no lo sé; puede ser. Es que fijaos lo impresionante que es este trabajo: que es que la predicción la hacen un segundo, en menos de un segundo, para que veáis la eficiencia de este conjunto de redes neuronales, que estamos hablando de varias en paralelo. Y ojo, tardó 60 días en entrenar. Ahora ya se explica. Si alguien me hace un cálculo y sale en un segundo es que no se ha esforzado lo suficiente. Pero para que veáis, ¿qué pensáis? Que bueno, que esto necesitó una barbaridad de GPUs, una cosa muy loca Vale, los cálculos se ejecutaron en un Intel Core i7 de 3,8 GHz O sea, es que eficiencia total Sí, es lo que dices tú, son redes pequeñas y esto es una de las…