El lunes se siente diferente cuando estás depurando aprendizaje automático distribuido. Así que aquí va la cuestión: ¿realmente los modelos de machine learning están exprimiendo al máximo la capacidad de la red de Bittensor?

Parece que algunos equipos no están esperando. El equipo de inference_labs ha presentado un flujo de trabajo interesante: toma tu archivo de modelo ONNX, aplica cuantización para acelerar la inferencia, y luego lo divide en fragmentos usando dsperse para procesamiento distribuido. ¿Lo mejor? Añaden zk-snarks por encima para tener computación verificable.

Bastante ingenioso si lo piensas: resuelven cuellos de botella de ancho de banda manteniendo las pruebas ligeras. ¿Alguien más está experimentando con particionado de modelos en redes descentralizadas?