Meta FAIR 发布 e-means 算法，聚类速度比 k-means 快 10 倍

Techub News 消息，Meta 基础人工智能研究团队（FAIR）发布 e-means 算法，作为 Lloyd's k-means 算法的直接替代方案。该算法使用指数移动平均更新聚类中心，在 1.4 至 2.6 个训练周期内即可达到传统 k-means 算法 25 个周期后的损失值。e-means 已集成至 FAISS 1.16.0 库中。 研究团队在 24 种数据集配置上的测试显示，e-means 达到相同损失所需的训练周期数约为 Lloyd's k-means 的十分之一。在 GPU 上，其实际运行速度比 Flash-KMeans 快 10 至 45 倍；在 CPU 上，比 Faiss k-means 快 8 至 15 倍。算法已成功应用于包含 100 亿个点的 DINO10B 数据集，将其分割为 1670 万个聚类仅需 2.5 个周期。 e-means 还引入了死簇复活机制，并采用融合 GPU 内核以进一步提升性能。该算法适用于构建向量索引、量化器或数据整理流程中的聚类步骤。（MarkTechPost）