Il s'agit de l'application Windows nommée TorchRec dont la dernière version peut être téléchargée en tant que v0.5.0.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 TorchRec 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
TorchRec
DESCRIPTION
TorchRec est une bibliothèque de domaine PyTorch conçue pour fournir des primitives communes de parcimonie et de parallélisme nécessaires aux systèmes de recommandation à grande échelle (RecSys). Il permet aux auteurs de former des modèles avec de grandes tables d'intégration réparties sur de nombreux GPU. Primitives de parallélisme qui facilitent la création de grands modèles performants multi-dispositifs/multi-nœuds à l'aide d'un parallélisme de données hybride/modèle-parallélisme. Le sharder TorchRec peut sharder des tables d'intégration avec différentes stratégies de sharding, y compris le sharding parallèle aux données, par table, par ligne, par table par ligne et par colonne. Le planificateur TorchRec peut générer automatiquement des plans de partitionnement optimisés pour les modèles. La formation en pipeline chevauche le transfert de périphérique de chargement de données (copie vers GPU), les communications inter-périphériques (input_dist) et le calcul (avant, arrière) pour des performances accrues. Noyaux optimisés pour RecSys alimentés par FBGEMM. Prise en charge de la quantification pour une formation et une inférence de précision réduites. Modules communs pour RecSys.
Fonctionnalités:
- Conçu pour fournir des primitives de parcimonie et de parallélisme communes nécessaires aux systèmes de recommandation à grande échelle
- Le planificateur TorchRec peut générer automatiquement des plans de partitionnement optimisés pour les modèles
- Torchrec nécessite Python >= 3.7 et CUDA >= 11.0
- Le binaire expérimental sur Linux pour Python 3.7, 3.8 et 3.9 peut être installé via des roues pip
- TorchRec est sous licence BSD
- Prise en charge de la quantification pour une formation et une inférence de précision réduites
Langage de programmation
Python
Catégories
Il s'agit d'une application qui peut également être récupérée à partir de https://sourceforge.net/projects/torchrec.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.
