Får maskininlärning att fungera för Blockchain

I dag, eftersom maskininlärningstekniker används allmänt för en rad tillämpningar, har maskininlärning blivit viktig för onlinetjänster.

Morphware är ett decentraliserat maskininlärningssystem som belönar ägare av acceleratorer genom att auktionera ut deras inaktiva datorkraft och sedan underlättar de tillhörande subrutinerna, som kan vara på uppdrag av datavetarna för att träna och testa maskininlärningsmodellerna i en decentraliserad kapacitet.

Typer av maskininlärningsmodeller inkluderar övervakade semi- eller oövervakade inlärningsalgoritmer.

Träningen av en övervakad inlärningsalgoritm kan ses som ett sökande efter den optimala kombinationen av vikter att tillämpa på en uppsättning ingångar eller för att förutsäga en önskvärd utdata.

Drivkraften för detta arbete är den beräkningsmässiga komplexiteten. Hårdvara som används för att rendera videospel kan också påskynda träningen av övervakade inlärningsalgoritmer.

Vad är Morphware?

Ett av huvudproblemen i maskininlärningsmodeller är att de beräkningsresurser som krävs för att köra toppmoderna maskininlärningsarbetsbelastningar fördubblas ungefär var tredje och en halv månad.

För att lösa detta problem utvecklar Morphware ett peer-to-peer-nätverk som gör det möjligt för praktiserande datavetare, maskininlärningsingenjörer och datavetenskapsstudenter att betala videospelsspelare eller andra för att träna modeller för deras räkning.

Även om hårdvarumaskiner hjälper datavetare att påskynda utvecklingen av maskininlärningsmodeller, är den höga kostnaden för dessa hårdvaruacceleratorer också en barriär för många datavetare.

Vad är maskininlärningsmodeller?

Maskininlärningsmodeller kan variera beroende på grad av övervakning och parametrisering. Syftet med att träna en övervakad-parameteriserad modell är att sänka felfrekvensen som spänner över det numeriska avståndet mellan en förutsägelse och en observation.

Utbildning av en maskininlärningsmodell implementeras genom förbearbetning och följs av testning. Dataforskare separerar data som görs tillgängliga för maskininlärningsmodeller medan de tränar från data som görs tillgänglig för dem under testperioden.

Därför kan det ses att modellen inte överpassar uppsättningen tillgängliga data, liksom prestanda, som kan vara sämre på osynliga data.

Normalt väljs tränings- och testdata från samma fil eller katalog i förbearbetningen.

Födelsen av djupinlärning är den moderna stora skrällen Som en i grunden ny mjukvarumodell tillåter djupinlärning miljarder mjukvarunuroner och biljoner anslutningar att tränas parallellt.

Genom att köra djupa neurala nätverksalgoritmer och lära av exempel är accelererad datoranvändning ett idealiskt tillvägagångssätt och GPU:n är den idealiska processorn.

Det är en ny kombination för att skapa en ny generation för datorplattformar med bättre prestanda, programmeringsproduktivitet och öppen tillgänglighet.

Deep learning-modeller är kända som en delmängd av maskininlärningsmodeller. De är särskilt beräkningsintensiva att träna på grund av deras sammankopplade lager av latenta variabler.

Vad är Morphwares lösning?

Huvudplattformens valuta Morphware Token används för dessa transaktioner.

Tokenomics

Det totala utbudet av Morphware Token är 1,232,922,769 XNUMX XNUMX XNUMX och de är brännbara men inte präglade.

Genom en webbplats som är designad, utvecklad och distribuerad av Morphware kan användare köpa plattformstoken.

Mindre än två procent av det totala utbudet av Morphware-tokens kommer att vara till försäljning under den första månaden.

Hur Morphware fungerar

Processen för en maskininlärningsmodell är dataanalys och är sedan en iterativ cykel som pendlar mellan modellval och funktionsteknik.

Syftet med detta arbete är att hjälpa slutanvändare som datavetare att iterera snabbare genom att skapa tillgång till ett decentraliserat nätverk av datorer som kan påskynda deras arbetsbelastning.

Slutanvändare paras ihop med och betalar, arbetarnoder via en förseglad bud, andrapris omvänd auktion. De betalar arbetarnoder för att träna sina modeller och validatornoder för att testa modellerna som tränas av arbetarnoder av Morphware Tokens.

Rollerna och ansvaret för medlemmarna i nätverket inkluderar två autonoma peer-typer.

För att arbeta med Morphware laddar slutanvändare bara upp sin modell, i form av en Jupyter-anteckningsbok eller en Python-fil, tränings- och testdata.

Därefter måste de specificera målnoggrannhetsnivån och ge en förutsägelse för hur lång tid det kommer att ta att nå den noggrannhetsnivån. Klicka på skickar för att avsluta.

Slutanvändare skickar in modeller som ska tränas av arbetarna och testas av validerarna. Samtidigt är arbetare de noder som tjänar tokens genom utbildningsmodeller som lämnas in av slutanvändarna.

Validatorer är de noder som tjänar tokens genom att testa modeller som tränats av arbetarna.

När slutanvändaren skickar in modellen kommer den att tränas av arbetarna och testas av validerarna, via plattformen, som kommunicerar med nätverket via dess back-end-demon.

Daemonen är ansvarig för att inte bara skapa algoritmer och deras respektive datauppsättningar för det som skickas in av slutanvändaren via klienten utan också att skicka den initiala uppmaningen av arbete till det smarta kontraktet.

Dessutom är demonen ansvarig för utbildning och testning av modellerna, av arbetare och validerare.

Peer-assisterad leverans tillåter spridning av en algoritm och motsvarande datauppsättning från en slutanvändare till en arbetare eller en validator.

De initiala arbetskraven från slutanvändaren och relevanta svar till slutanvändaren från arbetare eller validerare läggs alla upp i det smarta kontraktet.

De initiala arbetskraven inkluderar den beräknade körtiden för träningsperioden, den algoritmrelaterade magneten, träningsuppsättningen och testdatauppsättningen.

Ett svar från en arbetare inkluderar en magnetlänk till modellen som de tränade, som sedan testas av många validerare.

Om modellen som utbildades når den erforderliga prestationströskeln, kommer arbetaren och validerarna att få tokens som belöning.

Vad gör Morphware enastående

Morphware är en dubbelsidig marknadsplats.

Marknadsplatsen betjänar datavetare som kan använda plattformen för att få tillgång till fjärrdatorkraft genom nätverket av datorer som processorer, GPU:er, RAM som de skulle använda AWS, men till en lägre kostnad och med ett mer användarvänligt gränssnitt.

Å andra sidan betjänar Morphware också ägare med överskott av datorkraft som vill tjäna pengar och belöningar genom att sälja sin datorkraft.

Därför fokuserar dess kundsegment på datavetare, spelare eller personer med överflödig datorkraft som vill tjäna pengar.

För närvarande har kundlistan för Morphware kontinuerligt växt, inklusive en datavetare som arbetar på ett självkörande bilmobilitetslabb, studentorganisationer som behöver stöd för datavetenskap och fordonsföretag som Suzu, Mitsubishi eller Volvo.

Morphware har också samarbetat med Tellor. Under detta partnerskap kommer Tellor att betala Morphware för att ha använt deras orakel under de första månaderna.

Jämfört med andra konkurrenter på marknaden har Morphware en konkurrensfördel. Dess unika marknadsstrategi gör dess produkt billigare än andra.

Avslutande tankar om Morphware

Eftersom maskininlärningsmodeller blir allt mer komplexa, har projekten för ett nytt ekosystem av maskininlärningsmodeller som handlas över ett Blockchain-baserat nätverk undersökts.

Som sådan kan slutanvändarna eller köparna skaffa den intressanta modellen från maskininlärningsmarknaden medan arbetare eller säljare som är intresserade av att spendera lokala beräkningar på data för att förbättra modellens kvalitet.

Därför beaktas det proportionella förhållandet mellan lokala data och kvaliteten på utbildade modeller, och värderingarna av säljarens data under utbildningen av modellerna uppskattas.

Projektet visar en konkurrenskraftig körtidsprestanda, en lägre kostnad för utförande och rättvisa vad gäller incitament för deltagarna.

Morphware är en av de banbrytande plattformarna som introducerar ett peer-to-peer-nätverk där slutanvändare kan betala videospelsspelare för att träna maskininlärningsmodeller, på deras vägnar, i plattformens valuta Morphware Token.

För att lära dig mer om Morphware – klicka här!