Это приложение для Linux под названием Fairseq, последнюю версию которого можно загрузить как v0.10.2.zip. Его можно запустить онлайн на бесплатном хостинг-провайдере OnWorks для рабочих станций.
Загрузите и запустите онлайн это приложение под названием Fairseq с OnWorks бесплатно.
Следуйте этим инструкциям, чтобы запустить это приложение:
- 1. Загрузил это приложение на свой компьютер.
- 2. Введите в нашем файловом менеджере https://www.onworks.net/myfiles.php?username=XXXXX с желаемым именем пользователя.
- 3. Загрузите это приложение в такой файловый менеджер.
- 4. Запустите онлайн-эмулятор OnWorks Linux или Windows или онлайн-эмулятор MACOS с этого веб-сайта.
- 5. В только что запущенной ОС OnWorks Linux перейдите в наш файловый менеджер https://www.onworks.net/myfiles.php?username=XXXXX с желаемым именем пользователя.
- 6. Скачайте приложение, установите его и запустите.
СКРИНШОТЫ:
Фэйрсек
ОПИСАНИЕ:
Fairseq(-py) — это набор инструментов для моделирования последовательностей, который позволяет исследователям и разработчикам обучать пользовательские модели переводу, резюмированию, языковому моделированию и другим задачам генерации текста. Мы предоставляем эталонные реализации различных документов по моделированию последовательностей. Недавняя работа Microsoft и Google показала, что параллельное обучение данных можно сделать значительно более эффективным, разделив параметры модели и состояние оптимизатора между рабочими процессами, работающими с параллельными данными. Эти идеи воплощены в новой оболочке FullyShardedDataParallel (FSDP), предоставляемой Fairscale. Fairseq можно расширить с помощью подключаемых модулей, предоставляемых пользователем. Модели определяют архитектуру нейронной сети и инкапсулируют все обучаемые параметры. Критерии вычисляют функцию потерь с учетом результатов и целей модели. Задачи хранят словари и предоставляют помощников для загрузки/перебора наборов данных, инициализации модели/критерия и расчета потерь.
Особенности
- Обучение с несколькими графическими процессорами на одной машине или на нескольких машинах (параллельные данные и модели)
- Быстрая генерация как на ЦП, так и на графическом процессоре с несколькими реализованными алгоритмами поиска
- Накопление градиента позволяет тренироваться с большими мини-пакетами даже на одном графическом процессоре.
- Обучение смешанной точности (обучается быстрее с меньшим объемом памяти графического процессора на тензорных ядрах NVIDIA)
- Легко регистрируйте новые модели, критерии, задачи, оптимизаторы и планировщики скорости обучения
- Гибкая конфигурация на основе Hydra, позволяющая сочетать код, командную строку и конфигурацию на основе файлов.
Язык программирования
Питон
Категории
Это приложение также можно загрузить с https://sourceforge.net/projects/fairseq.mirror/. Он был размещен в OnWorks, чтобы его можно было легко запускать в Интернете с помощью одной из наших бесплатных операционных систем.