এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
নেটওয়ার্ক প্রুনিং (Pruning)
একটি পদ্ধতি যা ডিফিউশন মডেলের কম গুরুত্বপূর্ণ ওজন বা নিউরনগুলো নির্বাচনীভাবে মুছে ফেলে, ন্যূনতম পারফরমেন্স প্রভাব রেখে একটি স্পার্স এবং দক্ষ আর্কিটেকচার তৈরি করে।
ক্লাসিফায়ার গাইডেড ডিনয়েজিং
একটি অপ্টিমাইজেশন কৌশল যা ডিনয়েজিং প্রক্রিয়াকে গাইড করতে একটি বাহ্যিক ক্লাসিফিকেশন মডেল ব্যবহার করে, কম গণনামূলক ব্যয়বহুল ডিনয়েজিং ধাপ দিয়ে সমতুল্য ভিজ্যুয়াল কোয়ালিটি অর্জন করতে সক্ষম করে।
লো-র্যাঙ্ক ইনফারেন্স
একটি পদ্ধতি যা মডেলের বড় ওজন ম্যাট্রিক্সগুলোকে নিম্ন র্যাঙ্কের ম্যাট্রিক্সের গুণফল দ্বারা আনুমানিক করে, ইনফারেন্সের সময় প্যারামিটার সংখ্যা এবং ম্যাট্রিক্স গুণন অপারেশনগুলো ব্যাপকভাবে হ্রাস করে।
এক্সিলারেটর মেথড
প্রযুক্তিসমূহের একটি সেট যা মধ্যবর্তী ডিনয়েজিং ধাপগুলো ডিঙিয়ে ডিফিউশন প্রক্রিয়া ত্বরান্বিত করতে লক্ষ্য করে, প্রায়শই ভবিষ্যতের ধাপগুলো সরাসরি পূর্বাভাস দিতে রিগ্রেশন মডেল ব্যবহার করে।
গ্রেডিয়েন্ট চেকপয়েন্টিং দ্বারা মেমরি অপ্টিমাইজেশন
মেমরি ব্যবস্থাপনার একটি কৌশল যা ব্যাকপ্রপাগেশনের সময় মধ্যবর্তী অ্যাক্টিভেশনগুলো নির্বাচনীভাবে সংরক্ষণ করে, প্রয়োজনে সেগুলো পুনরায় গণনা করে হ্রাসকৃত RAM ব্যবহারের বিনিময়ে গণনা সময়ের সামান্য বৃদ্ধি মেনে নেয়।
মিশ্র বিশেষজ্ঞ (Mixture of Experts - MoE)
একটি মডেল আর্কিটেকচার যেখানে একাধিক 'বিশেষজ্ঞ' (সাব-নেটওয়ার্ক) শর্তসাপেক্ষে সক্রিয় করা হয়, একটি একক ইনফারেন্সের জন্য আনুপাতিক গণনামূলক খরচ বৃদ্ধি না করে মডেলের ক্ষমতা বৃদ্ধি করতে সক্ষম করে।
টাইম-স্টেপ ডিস্টিলেশন
ডিস্টিলেশনের একটি রূপ যেখানে একটি ছাত্র মডেল শিক্ষক মডেলের তুলনায় কম ডিনয়েজিং ধাপ ব্যবহার করে উচ্চ মানের ফলাফল তৈরি করতে শেখে, thereby সরাসরি জেনারেশন প্রক্রিয়া ত্বরান্বিত করে।
কার্যকর স্টোকাস্টিক রিপ্যারামিটারাইজেশন
নয়েজিং এবং ডিনয়েজিং এর অপ্টিমাইজেশন যা ভ্যারিয়েন্স এবং প্রয়োজনীয় নমুনার সংখ্যা হ্রাস করতে রিপ্যারামিটারাইজড প্যারামিটার ব্যবহার করে, প্রতিটি ডিফিউশন ধাপকে আরও স্থিতিশীল এবং কম ব্যয়বহুল করে তোলে।
বৈশিষ্ট্য ক্যাশিং (Feature Caching)
পুনরাবৃত্ত ইনপুট শর্তের জন্য মধ্যবর্তী বৈশিষ্ট্য ম্যাপ সংরক্ষণের কৌশল (যেমন: টেক্সট), প্রতিটি ডিনয়েজিং ধাপে পুনরায় গণনা এড়ানো এবং সামগ্রিক গণনামূলক লোড হ্রাস করা।
টেনসর প্রসেসিং ইউনিটে মোতায়েন (TPU Deployment)
টেনসর প্রসেসিং ইউনিটের ব্যাপক সমান্তরাল ম্যাট্রিক্স অপারেশনের সুবিধা নেওয়ার জন্য ডিফিউশন মডেল আর্কিটেকচার অভিযোজন, অতি উচ্চ-গতির ইনফারেন্সের জন্য ডেটা ফ্লো এবং কম্পিউটেশন কার্নেল অপ্টিমাইজেশন।
স্কেডিউলার দ্বারা গতি-গুণমান ট্রেড-অফ (Quality-Speed Trade-off by Scheduler)
বিভিন্ন নয়েজ স্কেডিউলার ব্যবহার (যেমন: DDIM, DPM-Solver) যা ডিনয়েজিং ধাপের সংখ্যা নিয়ন্ত্রণ করতে দেয়, ইমেজ কোয়ালিটি এবং জেনারেশন গতির মধ্যে সূক্ষ্ম টিউনিং অফার করে।
কনভোলিউশন কার্নেল ফিউশন (Convolution Kernel Fusion)
অপ্টিমাইজেশন কৌশল যা পরপর কনভোলিউশন লেয়ারগুলিকে একক কনভোলিউশন অপারেশনে একত্রিত করে (যেমন: Conv + BatchNorm + ReLU), ইনফারেন্স হার্ডওয়্যারে লেটেন্সি এবং মেমরি অ্যাক্সেস হ্রাস করে।
সঙ্গতিপূর্ণ লেটেন্ট ডিফিউশন মডেল (Consistency Latent Diffusion Model)
নয়েজ ট্র্যাজেক্টরির যেকোনো বিন্দুকে সরাসরি ডেটার উৎসে ম্যাপ করতে প্রশিক্ষিত মডেলের বৈকল্পিক, একক ধাপে বা খুব কম ধাপে জেনারেশন সক্ষম করে, গণনামূলক দক্ষতায় বিপ্লব আনে।
হাইপারপ্যারামিটার গ্রিড সার্চ অপ্টিমাইজেশন (Hyperparameter Grid Search Optimization)
হাইপারপ্যারামিটার কনফিগারেশনের পদ্ধতিগত অন্বেষণ প্রক্রিয়া (যেমন: লার্নিং রেট, অ্যাটেনশন হেডের সংখ্যা) কোয়ালিটি/গণনামূলক খরচ অনুপাতে সবচেয়ে কার্যকর মডেল চিহ্নিত করার জন্য।
পাইপলাইন অ্যাসিঙ্ক্রোনাস ইনফারেন্স (Pipeline Asynchronous Inference)
ডিপ্লয়মেন্ট আর্কিটেকচার যেখানে ডিনয়েজিং ধাপগুলি বিভিন্ন কম্পিউটেশন ইউনিটে সমান্তরালভাবে প্রক্রিয়া করা হয়, লেটেন্সি লুকানো এবং রিয়েল-টাইম ডিফিউশন অ্যাপ্লিকেশনের জন্য প্রসেসিং থ্রুপুট বৃদ্ধি করা।