ນີ້ແມ່ນແອັບ Windows ທີ່ມີຊື່ວ່າ TorchRec ເຊິ່ງລຸ້ນຫຼ້າສຸດສາມາດດາວໂຫຼດໄດ້ເປັນ v1.3.0sourcecode.tar.gz. ມັນສາມາດດໍາເນີນການອອນໄລນ໌ຢູ່ໃນຜູ້ໃຫ້ບໍລິການໂຮດຕິ້ງຟຣີ OnWorks ສໍາລັບສະຖານີບ່ອນເຮັດວຽກ.
ດາວນ໌ໂຫລດແລະດໍາເນີນການອອນໄລນ໌ app ນີ້ມີຊື່ TorchRec ກັບ OnWorks ໄດ້ຟຣີ.
ປະຕິບັດຕາມຄໍາແນະນໍາເຫຼົ່ານີ້ເພື່ອດໍາເນີນການ app ນີ້:
- 1. ດາວໂຫຼດຄໍາຮ້ອງສະຫມັກນີ້ໃນ PC ຂອງທ່ານ.
- 2. ໃສ່ໃນຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 3. ອັບໂຫລດແອັບພລິເຄຊັນນີ້ຢູ່ໃນຕົວຈັດການໄຟລ໌ດັ່ງກ່າວ.
- 4. ເລີ່ມ emulator ອອນ ໄລ ນ ໌ OS OnWorks ຈາກ ເວັບ ໄຊ ທ ໌ ນີ້, ແຕ່ ດີກ ວ່າ Windows ອອນ ໄລ ນ ໌ emulator.
- 5. ຈາກ OnWorks Windows OS ທີ່ເຈົ້າຫາກໍ່ເລີ່ມຕົ້ນ, ໄປທີ່ຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 6. ດາວນ໌ໂຫລດຄໍາຮ້ອງສະຫມັກແລະຕິດຕັ້ງມັນ.
- 7. ດາວໂຫລດ Wine ຈາກບ່ອນເກັບມ້ຽນຊອບແວການແຈກຢາຍ Linux ຂອງທ່ານ. ເມື່ອຕິດຕັ້ງແລ້ວ, ທ່ານສາມາດຄລິກສອງຄັ້ງ app ເພື່ອດໍາເນີນການໃຫ້ເຂົາເຈົ້າກັບ Wine. ນອກນັ້ນທ່ານຍັງສາມາດລອງ PlayOnLinux, ການໂຕ້ຕອບທີ່ແປກປະຫຼາດໃນໄລຍະ Wine ທີ່ຈະຊ່ວຍໃຫ້ທ່ານຕິດຕັ້ງໂປລແກລມ Windows ແລະເກມທີ່ນິຍົມ.
ເຫຼົ້າແວງເປັນວິທີການແລ່ນຊອບແວ Windows ໃນ Linux, ແຕ່ບໍ່ມີ Windows ທີ່ຕ້ອງການ. ເຫຼົ້າແວງແມ່ນຊັ້ນຄວາມເຂົ້າກັນໄດ້ຂອງ Windows ແຫຼ່ງເປີດທີ່ສາມາດເອີ້ນໃຊ້ໂຄງການ Windows ໂດຍກົງໃນ desktop Linux ໃດກໍໄດ້. ໂດຍພື້ນຖານແລ້ວ, Wine ກໍາລັງພະຍາຍາມປະຕິບັດໃຫມ່ຢ່າງພຽງພໍຂອງ Windows ຕັ້ງແຕ່ເລີ່ມຕົ້ນເພື່ອໃຫ້ມັນສາມາດດໍາເນີນການຄໍາຮ້ອງສະຫມັກ Windows ທັງຫມົດໄດ້ໂດຍບໍ່ຕ້ອງໃຊ້ Windows.
ພາບຫນ້າຈໍ:
TorchRec
DESCRIPTION:
TorchRec ແມ່ນຫ້ອງສະໝຸດໂດເມນ PyTorch ສ້າງຂຶ້ນເພື່ອສະໜອງຄວາມສະໜິດສະໜົມທົ່ວໄປ & ລັກສະນະຂະໜານກັນເອງທີ່ຈຳເປັນສຳລັບລະບົບການແນະນຳຂະໜາດໃຫຍ່ (RecSys). ມັນອະນຸຍາດໃຫ້ຜູ້ຂຽນສາມາດຝຶກອົບຮົມແບບຈໍາລອງທີ່ມີຕາຕະລາງຝັງຂະຫນາດໃຫຍ່ sharded ໃນທົ່ວ GPUs ຫຼາຍ. Parallelism primitives ທີ່ເຮັດໃຫ້ການຂຽນງ່າຍຂອງຕົວແບບຫຼາຍອຸປະກອນ/multi-node ທີ່ມີປະສິດຕິພາບຂະໜາດໃຫຍ່ໂດຍໃຊ້ຂໍ້ມູນແບບປະສົມ-parallelism/model-parallelism. TorchRec sharder ສາມາດ shard embedding ຕາຕະລາງທີ່ມີຍຸດທະສາດ sharding ທີ່ແຕກຕ່າງກັນລວມທັງ data-parallel, table-wise, row-wise, table-wise-row-wise, ແລະ column-wise sharding. ຕົວວາງແຜນ TorchRec ສາມາດສ້າງແຜນການ sharding ທີ່ດີທີ່ສຸດສໍາລັບຕົວແບບອັດຕະໂນມັດ. ການຝຶກອົບຮົມແບບທໍ່ຈະທັບຊ້ອນການໂອນອຸປະກອນການໂຫຼດຂໍ້ມູນ (ສຳເນົາໃສ່ GPU), ການສື່ສານລະຫວ່າງອຸປະກອນ (input_dist), ແລະການຄິດໄລ່ (ຕໍ່ຫນ້າ, ຖອຍຫຼັງ) ເພື່ອປະສິດທິພາບເພີ່ມຂຶ້ນ. kernels ທີ່ດີທີ່ສຸດສໍາລັບ RecSys ຂັບເຄື່ອນໂດຍ FBGEMM. Quantization ສະຫນັບສະຫນູນສໍາລັບການຫຼຸດຜ່ອນຄວາມແມ່ນຍໍາການຝຶກອົບຮົມແລະການ inference. ໂມດູນທົ່ວໄປສໍາລັບ RecSys.
ຄຸນລັກສະນະ
- ສ້າງຂຶ້ນເພື່ອສະໜອງຄວາມກະຈ່າງແຈ້ງທົ່ວໄປ & ປະຖົມຂະໜານທີ່ຈຳເປັນສຳລັບລະບົບການແນະນຳຂະໜາດໃຫຍ່
- ຕົວວາງແຜນ TorchRec ສາມາດສ້າງແຜນການ sharding ທີ່ດີທີ່ສຸດສໍາລັບຕົວແບບອັດຕະໂນມັດ
- Torchrec ຕ້ອງການ Python >= 3.7 ແລະ CUDA >= 11.0
- ການທົດລອງຖານສອງໃນ Linux ສໍາລັບ Python 3.7, 3.8 ແລະ 3.9 ສາມາດຕິດຕັ້ງຜ່ານລໍ້ pip.
- TorchRec ແມ່ນ BSD ອະນຸຍາດ
- Quantization ສະຫນັບສະຫນູນສໍາລັບການຫຼຸດຜ່ອນຄວາມແມ່ນຍໍາການຝຶກອົບຮົມແລະການ inference
ພາສາການຂຽນໂປຣແກຣມ
Python
ປະເພດ
ນີ້ແມ່ນແອັບພລິເຄຊັນທີ່ຍັງສາມາດເອົາມາຈາກ https://sourceforge.net/projects/torchrec.mirror/. ມັນໄດ້ຖືກຈັດຢູ່ໃນ OnWorks ເພື່ອໃຫ້ດໍາເນີນການອອນໄລນ໌ດ້ວຍວິທີທີ່ງ່າຍທີ່ສຸດຈາກຫນຶ່ງໃນລະບົບປະຕິບັດງານຟຣີຂອງພວກເຮົາ.