如今，隨著機器學習技術被廣泛應用於一系列應用，機器學習對於在線服務變得很重要。
Morphware 是一個去中心化的機器學習系統，它通過拍賣加速器的閒置計算能力來獎勵加速器的所有者，然後促進相關的子例程，這些子例程可以代表數據科學家以去中心化的方式訓練和測試機器學習模型。
機器學習模型的類型包括有監督的半監督或無監督學習算法。
監督學習算法的訓練可以看作是尋找權重的最佳組合以應用於一組輸入或預測所需的輸出。
這項工作的推動力是計算複雜性。 用於渲染視頻遊戲的硬件也可以加速監督學習算法的訓練。
什麼是變形軟件？
機器學習模型的關鍵問題之一是運行最先進的機器學習工作負載所需的計算資源大約每三個半月翻一番。
為了解決這個問題，Morphware 開發了一個點對點網絡，允許從業的數據科學家、機器學習工程師和計算機科學專業的學生向視頻遊戲玩家或其他人付費以代表他們訓練模型。
雖然硬件機器正在幫助數據科學家加速機器學習模型的開發，但這些硬件加速器的高成本也是許多數據科學家的障礙。
什麼是機器學習模型？
機器學習模型可能因監督和參數化程度而異。 訓練監督參數化模型的目的是降低跨越預測和觀察之間的數值距離的錯誤率。
訓練機器學習模型是通過預處理實現的，然後是測試。 數據科學家將機器學習模型在訓練時可用的數據與在測試期間提供給他們的數據分開。
因此，可以看出該模型並沒有過度擬合可用數據集以及性能，這在未見數據上可能會更差。
通常，訓練和測試數據是在預處理時從同一個文件或目錄中選擇的。
深度學習的誕生是現代的大爆炸作為一種全新的軟件模型，深度學習允許並行訓練數十億個軟件神經元和數万億個連接。
運行深度神經網絡算法並從示例中學習，加速計算是一種理想的方法，而 GPU 是理想的處理器。
它是一種新的組合，旨在為具有更好的性能、編程生產力和開放的可訪問性的計算平台創建新一代。
深度學習模型被稱為機器學習模型的一個子集。 由於它們的潛在變量層相互關聯，因此它們的訓練計算量特別大。
Morphware 的解決方案是什麼？
主平台的貨幣 Morphware Token 用於這些交易。
代幣學
Morphware Token 的總供應量為 1,232,922,769，它們可燃燒，但不可鑄造。
通過 Morphware 設計、開發和部署的網站，用戶可以購買平台代幣。
Morphware 代幣總供應量的不到 XNUMX% 將在第一個月出售。
變形軟件的工作原理
機器學習模型的過程是數據分析，然後是一個在模型選擇和特徵工程之間搖擺不定的迭代循環。
這項工作的目的是通過創建對可以加速其工作負載的去中心化計算機網絡的訪問來幫助數據科學家等最終用戶更快地迭代。
最終用戶通過密封投標的第二價格反向拍賣與工作節點配對並支付費用。 他們支付工作節點來訓練他們的模型，並支付驗證節點來測試工作節點通過 Morphware Tokens 訓練的模型。
網絡成員的角色和職責包括兩種自治對等類型。
要使用 Morphware，最終用戶只需以 Jupyter 筆記本或 Python 文件的形式上傳他們的模型、訓練和測試數據。
接下來，他們需要指定目標準確度水平，並預測達到該準確度水平需要多長時間。 點擊提交完成。
最終用戶提交模型，由工人訓練並由驗證者測試。 同時，worker 是通過訓練最終用戶提交的模型獲得代幣的節點。
驗證者是通過測試工人訓練的模型來獲得代幣的節點。
最終用戶提交模型後，工作人員將通過平台對其進行培訓並由驗證者進行測試，該平台通過其後端守護程序與網絡進行通信。
守護進程不僅負責為最終用戶通過客戶端提交的內容創建算法及其各自的數據集，還負責將初始工作請求發送到智能合約。
此外，守護進程負責由工作人員和驗證者對模型進行訓練和測試。
對等輔助交付允許將算法和相應的數據集從最終用戶傳播到工作人員或驗證者。
但是，最終用戶的初始工作要求以及工作人員或驗證者對最終用戶的相關響應都已發佈到智能合約中。
最初的工作要求包括訓練週期的估計運行時間、算法相關的磁鐵、訓練集和數據測試集。
工作人員的響應包括指向他們訓練的模型的磁力鏈接，該模型隨後由許多驗證者進行測試。
如果訓練的模型達到所需的性能閾值，則工作人員和驗證者將獲得代幣作為獎勵。
是什麼讓 Morphware 出類拔萃
Morphware 是一個雙向市場。
該市場為數據科學家提供服務，他們可以使用該平台通過計算機網絡（如 CPU、GPU、RAM）訪問遠程計算能力，就像他們使用 AWS 的方式一樣，但成本更低，界面更友好。
另一方面，Morphware 還為那些希望通過出售計算能力來賺錢和獎勵的擁有過剩計算能力的所有者提供服務。
因此，其客戶群主要集中在數據科學家、遊戲玩家或計算能力過剩的想要賺錢的人身上。
目前，Morphware 的客戶名單一直在不斷增長，其中包括從事自動駕駛汽車移動實驗室的數據科學家、需要數據科學支持的學生組織，以及 Suzu、Mitsubishi 或 Volvo 等汽車公司。
Morphware 還與 Tellor 合作。 根據這種合作關係，Tellor 將向 Morphware 支付頭幾個月使用他們的預言機的費用。
與市場上的其他競爭對手相比，Morphware 具有競爭優勢。 其獨特的市場策略使其產品比其他產品便宜。
關於 Morphware 的結語
隨著機器學習模型變得越來越複雜，已經探索了通過基於區塊鏈的網絡進行交易的機器學習模型新生態系統的項目。
因此，最終用戶或買家可以從機器學習市場獲取感興趣的模型，而有興趣對數據進行本地計算以提高模型質量的工作人員或賣家。
因此，考慮了本地數據與訓練模型質量之間的比例關係，並估計了訓練模型時賣家數據的估值。
該項目在對參與者的激勵方面顯示出具有競爭力的運行時性能、較低的執行成本和公平性。
Morphware 是引入點對點網絡的開創性平台之一，最終用戶可以使用平台的貨幣 Morphware 代幣向視頻遊戲玩家付費，以代表他們訓練機器學習模型。
要了解有關 Morphware 的更多信息 - 請單擊此處！
來源：https://blockonomi.com/morphware-guide/