AWS SageMaker平臺為Object2Vec演算法，新增支援自動負採樣和加速訓練的新功能

AWS最近在ML自動建置和部署工具SageMaker平臺中，為Object2Vec演算法新增了4個新功能，Object2Vec是常見的神經嵌入演算法，新增的功能包含負採樣（negative sampling）、稀疏資料梯度更新、權重共享（weight-sharing），以及比較器（comparator）運算子訂製，來解決企業的痛點。

過去，若應用案例只有positive標記的數據，企業需要手動進行負採樣，來預先處理數據，透過新的負採樣功能，Object2Vec演算法在訓練過程中，會自動將不易察覺和標記的資料自動標記為negative，而稀疏資料梯度更新的功能，則是可以在不損失效能的情況下，加速單一GPU的訓練工作，此外，若有多個GPU，還能夠更進一步加速訓練速度。

另外，Object2Vec演算法的架構含有兩個編譯器，每個編譯器都有自己的token嵌入層，用來編譯來自兩個輸入來源的數據，過去訓練的過程中，演算法是分開學習兩個編譯器的輸入向量，現在，新增的超參數能夠讓兩個編譯器共享token嵌入層。而過去比較器的運算子是固定的，從兩個編譯器中收集並輸出結果，而現在，AWS讓企業可以自訂運算子，如此一來，就能根據應用最佳的表現來優化演算法，目前提供的二元運算子有hadamard、concatand和abs_diff。