Arrays మరియు Hash Maps
AI లో డేటా నిల్వ ఎందుకు ముఖ్యం
ప్రతి AI వ్యవస్థకు డేటాను వేగంగా నిల్వ చేయడం మరియు తిరిగి పొందడం అవసరం. అది ఒక చిత్రంలోని pixel విలువల జాబితా అయినా, 50,000 పదాల vocabulary అయినా, లేదా లక్షలాది వినియోగదారుల అభిరుచులు అయినా - data structure ఎంపిక మీ AI ఎంత వేగంగా ఆలోచించగలదో నిర్ణయిస్తుంది.
రెండు నిర్మాణాలు ప్రాధాన్యత వహిస్తాయి: arrays మరియు hash maps. వీటిని నేర్చుకుంటే, దాదాపు ప్రతి AI pipeline కి పునాది ఏర్పడుతుంది.
Arrays - తక్షణ ప్రాప్యతతో క్రమబద్ధమైన జాబితాలు
Array అనేది మెమరీలో పక్కపక్కనే నిల్వ చేయబడిన అంశాల సంఖ్యాంక జాబితా. ప్రతి అంశానికి ఒక index ఉంటుంది - జాబితాలో దాని స్థానం, సున్నా నుండి మొదలవుతుంది.
index: 0 1 2 3 4
value: ["cat", "dog", "bird", "fish", "frog"]
అంశాలు పక్కపక్కనే ఉన్నందున, మీరు ఏ స్థానానికైనా నేరుగా వెళ్ళవచ్చు. 3వ అంశం కావాలా? అయిపోయింది - వెతకడం అవసరం లేదు. ఇది O(1) ప్రాప్యత, అంటే array లో 10 లేదా 10 మిలియన్ అంశాలు ఉన్నా ఒకే సమయం పడుతుంది.
Arrays ఎప్పుడు రాణిస్తాయి
- Feature vectors: ఒక చిత్రాన్ని 784 సంఖ్యల array గా (28×28 pixels) సూచించవచ్చు, ప్రతిదానిలో ప్రకాశ విలువ ఉంటుంది.
- Embeddings: భాషా నమూనాలు పదాల అర్థాలను వందలాది floating-point సంఖ్యల arrays గా నిల్వ చేస్తాయి.
- Batch processing: GPU వేలాది ఉదాహరణలను ఏకకాలంలో ప్రాసెస్ చేయడానికి training data ను arrays లో లోడ్ చేస్తారు.
పరిమితి
మధ్యలో చేర్చడం లేదా తొలగించడం ఖరీదైనది. మార్పు తర్వాత ప్రతి అంశం జరగాలి. ఇది O(n) - ఎక్కువ అంశాలు ఉంటే, ఎక్కువ సమయం పడుతుంది.
మీ దగ్గర 10,000 పాటల playlist ఉంటే, 5వ స్థానంలో కొత్త పాట చేర్చాలనుకుంటే, 5వ స్థానం నుండి ప్రతి పాట జరగాలి. ఒక streaming సేవ నెమ్మదించకుండా దీన్ని ఎలా నిర్వహించవచ్చు?
Hash Maps - పేరు ద్వారా తక్షణ అన్వేషణ
Hash map (dictionary లేదా hash table అని కూడా పిలుస్తారు) డేటాను key-value జతలు గా నిల్వ చేస్తుంది. Index సంఖ్య ద్వారా కాకుండా, అర్థవంతమైన key ద్వారా అంశాలను ప్రాప్తి చేస్తారు.
word_counts = {
"hello": 42,
"world": 37,
"AI": 156
}
Discussion
Sign in to join the discussion