车栗子 发自 凹非寺 量子位 报道 | 公众号 QbitAI来自谷歌大脑的David Ha,向你推荐了一个种子库。 这里的种子,是给AI程序猿准备的,不是因为他们单身。 是因为他们需要给自己的模型,喂食大量的数据。 名叫Academic Torrents的种子库里,包含了各式各样的数据集,总计27.31TB的资源。最近,五岁的它登上了Hacker News的顶端。 互相取暖,可以加速开发团队说,这是一个分布式系统,以推动大规模数据共享为目标。 有了种子,有了播撒种子的人类,再加一个搜索功能,大家就能迅速找到、下载到自己需要的数据集了。 虽然,很多数据集在别处也找得到,但Academic Torrents集合了每个数据集的许多镜像,这些镜像一起工作,下载会更快。当然,下载的人越多,速度也越快。 另外,Academic Torrents里面的数据集也比较全。比如Netflix Prize比赛的数据集,原始地址已经用不了,但在这里还能找到其他可用的地址。 BT下载,或许是数据集最好的传播形式了。 △这个习惯,要改下载完成之后,seed一下,后人又可以从你这里下载,下载之后再seed…… BT和数据,更配咯虽然,学术种子库和普通种子库相比,技术上并没有什么不同,但BT协议对于数据共享,依然有特别的意义。 p2p下载中,镜像数据的过程是透明的,可以有效保持数据的正确性。这一点,对于研究人员尤为重要。 △ 数据损坏,的错误示范而当原始地址失效之后,人类从其他地址下载数据集,可能会遇到数据损坏的问题。BT客户端,就可以验证数据集有无发生变化,也可以修复损坏的部分。 果然,数据集和BT,很配吧。 沉迷学习,沉迷训练除了数据集之外,这里还有论文和课程资源。 Academic Torrents也提供了创建列表的功能。每个用户,都可以按照自己的喜好,把资源分门别类收藏起来。 每个列表都有自己的RSS信息流,当列表里的某个资源有了更新,就可以自动完成下载。 当然,也可以看到别人创建的列表,并订阅之。 一想到别人家的模型,吃着美味的数据,训练得有条不紊,你是不是也有理由开始努力了呢? 你也去看看吧其实,Academic Torrents不止得到了David Ha的推特翻牌而已。 官网上说,许多学校也都在用这个种子库了。看,明晃晃的校徽: 各位可从以下链接前往种子库: http:/// 以及它的代码: https://github.com/AcademicTorrents
|