Esta es la aplicación de Windows TorchRec, cuya última versión se puede descargar como v1.3.0sourcecode.tar.gz. Se puede ejecutar en línea en el proveedor de alojamiento gratuito OnWorks para estaciones de trabajo.
Descargue y ejecute en línea esta aplicación llamada TorchRec 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 cualquier emulador en línea de OS OnWorks desde este sitio web, pero mejor emulador en línea de Windows.
- 5. Desde el sistema operativo OnWorks Windows 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 e instálala.
- 7. Descargue Wine desde los repositorios de software de sus distribuciones de Linux. Una vez instalada, puede hacer doble clic en la aplicación para ejecutarla con Wine. También puedes probar PlayOnLinux, una elegante interfaz sobre Wine que te ayudará a instalar programas y juegos populares de Windows.
Wine es una forma de ejecutar software de Windows en Linux, pero no requiere Windows. Wine es una capa de compatibilidad de Windows de código abierto que puede ejecutar programas de Windows directamente en cualquier escritorio de Linux. Esencialmente, Wine está tratando de volver a implementar una cantidad suficiente de Windows desde cero para poder ejecutar todas esas aplicaciones de Windows sin necesidad de Windows.
SCREENSHOTS
Ad
AntorchaRec
DESCRIPCIÓN
TorchRec es una biblioteca de dominio de PyTorch creada para proporcionar primitivas comunes de escasez y paralelismo necesarias para los sistemas de recomendación a gran escala (RecSys). Permite a los autores entrenar modelos con grandes tablas de incrustación fragmentadas en muchas GPU. Primitivos de paralelismo que permiten la creación fácil de modelos de múltiples dispositivos/múltiples nodos de gran rendimiento utilizando paralelismo de datos/paralelismo de modelo híbrido. El sharder de TorchRec puede particionar tablas incrustadas con diferentes estrategias de particionamiento, incluido el particionamiento de datos paralelos, de tabla, de fila, de tabla, de fila y de columna. El planificador TorchRec puede generar automáticamente planes de fragmentación optimizados para modelos. El entrenamiento canalizado superpone la transferencia del dispositivo de carga de datos (copia a GPU), las comunicaciones entre dispositivos (input_dist) y el cálculo (hacia adelante, hacia atrás) para un mayor rendimiento. Kernels optimizados para RecSys impulsados por FBGEMM. Soporte de cuantificación para entrenamiento e inferencia de precisión reducida. Módulos comunes para RecSys.
Caracteristicas
- Creado para proporcionar primitivas comunes de escasez y paralelismo necesarias para los sistemas de recomendación a gran escala
- El planificador TorchRec puede generar automáticamente planes de fragmentación optimizados para modelos
- Torchrec requiere Python >= 3.7 y CUDA >= 11.0
- El binario experimental en Linux para Python 3.7, 3.8 y 3.9 se puede instalar a través de pip wheels
- TorchRec tiene licencia BSD
- Soporte de cuantificación para entrenamiento e inferencia de precisión reducida
Lenguaje de programación
Python
Categorías
Esta es una aplicación que también se puede obtener de https://sourceforge.net/projects/torchrec.mirror/. Ha sido alojado en OnWorks para poder ejecutarse online de la forma más sencilla desde uno de nuestros Sistemas Operativos gratuitos.
