Dit is de Windows-app genaamd Horovod waarvan de nieuwste release kan worden gedownload als Customdataloaders in SparkTorchEstimator, meer modelparallelismin Keras, verbeterde all-gather-prestaties, oplossingen voor de nieuwste Py Torch en TensorFlow-versies.zip. Het kan online worden uitgevoerd in de gratis hostingprovider OnWorks voor werkstations.
Download en voer deze app met de naam Horovod gratis online uit met OnWorks.
Volg deze instructies om deze app uit te voeren:
- 1. Download deze applicatie op uw pc.
- 2. Voer in onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX in met de gebruikersnaam die u wilt.
- 3. Upload deze applicatie in zo'n bestandsbeheerder.
- 4. Start een OS OnWorks online emulator vanaf deze website, maar een betere Windows online emulator.
- 5. Ga vanuit het OnWorks Windows-besturingssysteem dat u zojuist hebt gestart naar onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX met de gewenste gebruikersnaam.
- 6. Download de applicatie en installeer deze.
- 7. Download Wine van de softwarebronnen voor Linux-distributies. Eenmaal geïnstalleerd, kunt u vervolgens dubbelklikken op de app om ze met Wine uit te voeren. Je kunt ook PlayOnLinux proberen, een mooie interface via Wine waarmee je populaire Windows-programma's en -games kunt installeren.
Wine is een manier om Windows-software op Linux uit te voeren, maar zonder dat Windows vereist is. Wine is een open-source Windows-compatibiliteitslaag die Windows-programma's rechtstreeks op elke Linux-desktop kan uitvoeren. In wezen probeert Wine genoeg van Windows opnieuw te implementeren, zodat het al die Windows-applicaties kan draaien zonder Windows echt nodig te hebben.
SCREENSHOTS
Ad
Horovod
PRODUCTBESCHRIJVING
Horovod is oorspronkelijk ontwikkeld door Uber om gedistribueerd deep learning snel en gebruiksvriendelijk te maken, waardoor de trainingstijd van modellen wordt teruggebracht van dagen en weken naar uren en minuten. Met Horovod kan een bestaand trainingsscript worden opgeschaald om op honderden GPU's te worden uitgevoerd in slechts een paar regels Python-code. Horovod kan on-premise worden geïnstalleerd of out-of-the-box worden uitgevoerd in cloudplatforms, waaronder AWS, Azure en Databricks. Horovod kan bovendien bovenop Apache Spark draaien, waardoor het mogelijk wordt om gegevensverwerking en modeltraining te verenigen in één enkele pijplijn. Zodra Horovod is geconfigureerd, kan dezelfde infrastructuur worden gebruikt om modellen met elk raamwerk te trainen, waardoor het gemakkelijk wordt om te schakelen tussen TensorFlow, PyTorch, MXNet en toekomstige raamwerken naarmate machine learning tech-stacks blijven evolueren. Begin met het opschalen van uw modeltraining met slechts een paar regels Python-code. Schaal op tot honderden GPU's met een schaalefficiëntie van meer dan 90%.
Voordelen
- Gedistribueerd deep learning-trainingskader
- Voor TensorFlow, Keras, PyTorch en Apache MXNet
- Schaal op tot honderden GPU's met een schaalefficiëntie van meer dan 90%
- Begin met het opschalen van uw modeltraining met slechts een paar regels Python-code
- Werkt hetzelfde voor TensorFlow, Keras, PyTorch en MXNet
- Lokaal, in de cloud en op Apache Spark
Programmeertaal
Python
Categorieën
Dit is een applicatie die ook kan worden opgehaald van https://sourceforge.net/projects/horovod.mirror/. Het is gehost in OnWorks, zodat het op de gemakkelijkste manier online kan worden uitgevoerd vanaf een van onze gratis besturingssystemen.
