AWS SageMaker平台为Object2Vec算法，新增支援自动负采样和加速训练的新功能

AWS最近在ML自动建置和部署工具SageMaker平台中，为Object2Vec算法新增了4个新功能，Object2Vec是常见的神经嵌入算法，新增的功能包含负采样（negative sampling）、稀疏资料梯度更新、权重共享（weight-sharing），以及比较器（comparator）运算子订制，来解决企业的痛点。

过去，若应用案例只有positive标记的数据，企业需要手动进行负采样，来预先处理数据，透过新的负采样功能，Object2Vec算法在训练过程中，会自动将不易察觉和标记的资料自动标记为negative，而稀疏资料梯度更新的功能，则是可以在不损失效能的情况下，加速单一GPU的训练工作，此外，若有多个GPU，还能够更进一步加速训练速度。

另外，Object2Vec算法的架构含有两个编译器，每个编译器都有自己的token嵌入层，用来编译来自两个输入来源的数据，过去训练的过程中，算法是分开学习两个编译器的输入向量，现在，新增的超参数能够让两个编译器共享token嵌入层。而过去比较器的运算子是固定的，从两个编译器中收集并输出结果，而现在，AWS让企业可以自订运算子，如此一来，就能根据应用最佳的表现来优化算法，目前提供的二元运算子有hadamard、concatand和abs_diff。