Il s'agit de l'application Windows nommée Fairseq dont la dernière version peut être téléchargée en tant que v0.10.2.zip. Il peut être exécuté en ligne dans le fournisseur d'hébergement gratuit OnWorks pour les postes de travail.
Téléchargez et exécutez en ligne gratuitement cette application nommée Fairseq avec OnWorks.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez n'importe quel émulateur en ligne OS OnWorks à partir de ce site Web, mais un meilleur émulateur en ligne Windows.
- 5. Depuis le système d'exploitation OnWorks Windows que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application et installez-la.
- 7. Téléchargez Wine depuis les dépôts de logiciels de vos distributions Linux. Une fois installé, vous pouvez ensuite double-cliquer sur l'application pour les exécuter avec Wine. Vous pouvez également essayer PlayOnLinux, une interface sophistiquée sur Wine qui vous aidera à installer des programmes et des jeux Windows populaires.
Wine est un moyen d'exécuter un logiciel Windows sur Linux, mais sans Windows requis. Wine est une couche de compatibilité Windows open source qui peut exécuter des programmes Windows directement sur n'importe quel bureau Linux. Essentiellement, Wine essaie de ré-implémenter suffisamment de Windows à partir de zéro pour qu'il puisse exécuter toutes ces applications Windows sans avoir réellement besoin de Windows.
CAPTURES D'ÉCRAN
Ad
Fairseq
DESCRIPTION
Fairseq(-py) est une boîte à outils de modélisation de séquence qui permet aux chercheurs et aux développeurs de former des modèles personnalisés pour la traduction, le résumé, la modélisation du langage et d'autres tâches de génération de texte. Nous fournissons des implémentations de référence de divers articles de modélisation de séquences. Des travaux récents de Microsoft et Google ont montré que la formation en parallèle des données peut être rendue beaucoup plus efficace en partageant les paramètres du modèle et l'état de l'optimiseur entre les travailleurs en parallèle des données. Ces idées sont encapsulées dans le nouveau wrapper FullyShardedDataParallel (FSDP) fourni par fairscale. Fairseq peut être étendu grâce à des plug-ins fournis par l'utilisateur. Les modèles définissent l'architecture du réseau neuronal et encapsulent tous les paramètres apprenables. Les critères calculent la fonction de perte en fonction des sorties et des cibles du modèle. Les tâches stockent des dictionnaires et fournissent des aides pour charger/itérer sur des ensembles de données, initialiser le modèle/critère et calculer la perte.
Comment ça marche
- Formation multi-GPU sur une machine ou sur plusieurs machines (données et modèles parallèles)
- Génération rapide sur CPU et GPU avec plusieurs algorithmes de recherche mis en œuvre
- L'accumulation de gradient permet de s'entraîner avec de grands mini-lots, même sur un seul GPU
- Entraînement de précision mixte (s'entraîne plus rapidement avec moins de mémoire GPU sur les cœurs de tenseur NVIDIA)
- Enregistrez facilement de nouveaux modèles, critères, tâches, optimiseurs et planificateurs de taux d'apprentissage
- Configuration flexible basée sur Hydra permettant une combinaison de code, de ligne de commande et de configuration basée sur des fichiers
Langage de programmation
Python
Catégories
Il s'agit d'une application qui peut également être récupérée sur https://sourceforge.net/projects/fairseq.mirror/. Il a été hébergé dans OnWorks afin d'être exécuté en ligne de la manière la plus simple à partir de l'un de nos systèmes d'exploitation gratuits.
