To jest aplikacja dla systemu Linux o nazwie Fairseq, której najnowszą wersję można pobrać jako v0.10.2.zip. Można go uruchomić online w bezpłatnym dostawcy hostingu OnWorks dla stacji roboczych.
Pobierz i uruchom online tę aplikację o nazwie Fairseq z OnWorks za darmo.
Postępuj zgodnie z tymi instrukcjami, aby uruchomić tę aplikację:
- 1. Pobrałem tę aplikację na swój komputer.
- 2. Wpisz w naszym menedżerze plików https://www.onworks.net/myfiles.php?username=XXXXX z wybraną nazwą użytkownika.
- 3. Prześlij tę aplikację w takim menedżerze plików.
- 4. Uruchom emulator online OnWorks Linux lub Windows online lub emulator online MACOS z tej witryny.
- 5. W systemie operacyjnym OnWorks Linux, który właśnie uruchomiłeś, przejdź do naszego menedżera plików https://www.onworks.net/myfiles.php?username=XXXXX z wybraną nazwą użytkownika.
- 6. Pobierz aplikację, zainstaluj ją i uruchom.
ZDJĘCIA EKRANU:
Fairsek
OPIS:
Fairseq(-py) to zestaw narzędzi do modelowania sekwencji, który pozwala naukowcom i programistom trenować niestandardowe modele tłumaczenia, podsumowania, modelowania języka i innych zadań związanych z generowaniem tekstu. Dostarczamy referencyjne implementacje różnych artykułów dotyczących modelowania sekwencji. Niedawne prace firmy Microsoft i Google wykazały, że równoległe trenowanie danych może być znacznie wydajniejsze dzięki dzieleniu parametrów modelu i stanu optymalizatora na pracowników równoległych danych. Te pomysły są zawarte w nowym opakowaniu FullyShardedDataParallel (FSDP) dostarczonym przez firmę Fairscale. Fairseq można rozszerzyć za pomocą wtyczek dostarczonych przez użytkowników. Modele definiują architekturę sieci neuronowej i zawierają wszystkie parametry, których można się nauczyć. Kryteria obliczają funkcję straty na podstawie danych wyjściowych modelu i wartości docelowych. Zadania przechowują słowniki i zapewniają pomocników do ładowania/iterowania zestawów danych, inicjowania modelu/kryterium i obliczania strat.
Korzyści
- Szkolenie z wykorzystaniem wielu procesorów graficznych na jednym komputerze lub na wielu komputerach (równolegle dane i model)
- Szybka generacja zarówno na CPU, jak i na GPU z zaimplementowanymi wieloma algorytmami wyszukiwania
- Akumulacja gradientów umożliwia trening z dużymi mini-partiami nawet na jednym GPU
- Trening o mieszanej precyzji (trenuje szybciej przy mniejszej ilości pamięci GPU na rdzeniach tensorowych NVIDIA)
- Z łatwością rejestruj nowe modele, kryteria, zadania, optymalizatory i harmonogramy szybkości uczenia się
- Elastyczna konfiguracja oparta na Hydrze, umożliwiająca kombinację konfiguracji kodu, wiersza poleceń i plików
Język programowania
Python
Kategorie
Jest to aplikacja, którą można również pobrać z https://sourceforge.net/projects/fairseq.mirror/. Jest hostowany w OnWorks, aby można go było uruchomić online w najprostszy sposób z jednego z naszych bezpłatnych systemów operacyjnych.