Esta es la aplicación de Linux llamada Fairseq cuya última versión se puede descargar como v0.10.2.zip. Se puede ejecutar en línea en el proveedor de alojamiento gratuito OnWorks para estaciones de trabajo.
Descargue y ejecute en línea esta aplicación llamada Fairseq con OnWorks de forma gratuita.
Siga estas instrucciones para ejecutar esta aplicación:
- 1. Descargue esta aplicación en su PC.
- 2. Ingrese en nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 3. Cargue esta aplicación en dicho administrador de archivos.
- 4. Inicie el emulador en línea OnWorks Linux o Windows en línea o el emulador en línea MACOS desde este sitio web.
- 5. Desde el SO OnWorks Linux que acaba de iniciar, vaya a nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 6. Descarga la aplicación, instálala y ejecútala.
CAPTURAS DE PANTALLA:
Fairseq
DESCRIPCIÓN:
Fairseq(-py) es un conjunto de herramientas de modelado de secuencias que permite a los investigadores y desarrolladores entrenar modelos personalizados para traducción, resumen, modelado de lenguaje y otras tareas de generación de texto. Proporcionamos implementaciones de referencia de varios documentos de modelado de secuencias. El trabajo reciente de Microsoft y Google ha demostrado que el entrenamiento paralelo de datos se puede hacer significativamente más eficiente al fragmentar los parámetros del modelo y el estado del optimizador entre los trabajadores paralelos de datos. Estas ideas están encapsuladas en el nuevo contenedor de datos paralelos totalmente fragmentados (FSDP) proporcionado por fairscale. Fairseq se puede ampliar a través de complementos proporcionados por el usuario. Los modelos definen la arquitectura de la red neuronal y encapsulan todos los parámetros que se pueden aprender. Los criterios calculan la función de pérdida dados los resultados y objetivos del modelo. Las tareas almacenan diccionarios y proporcionan ayudantes para cargar/iterar conjuntos de datos, inicializar el modelo/criterio y calcular la pérdida.
Caracteristicas
- Entrenamiento multi-GPU en una máquina o en varias máquinas (datos y modelos en paralelo)
- Generación rápida tanto en CPU como en GPU con múltiples algoritmos de búsqueda implementados
- La acumulación de gradientes permite entrenar con grandes mini lotes incluso en una sola GPU
- Entrenamiento de precisión mixta (entrena más rápido con menos memoria de GPU en los núcleos de tensor de NVIDIA)
- Registre fácilmente nuevos modelos, criterios, tareas, optimizadores y programadores de tasa de aprendizaje
- Configuración flexible basada en Hydra que permite una combinación de código, línea de comandos y configuración basada en archivos
Lenguaje de programación
Python
Categorías
Esta es una aplicación que también se puede obtener desde https://sourceforge.net/projects/fairseq.mirror/. Ha sido alojado en OnWorks para poder ejecutarse online de la forma más sencilla desde uno de nuestros Sistemas Operativos gratuitos.