Ito ang Windows app na pinangalanang Horovod na ang pinakabagong release ay maaaring ma-download bilang CustomdataloadersinSparkTorchEstimator,moremodelparallelisminKeras,improvedallgatherperformance,fixes forlatestPyTorchandTensorFlowversions.zip. Maaari itong patakbuhin online sa libreng hosting provider na OnWorks para sa mga workstation.
I-download at patakbuhin online ang app na ito na pinangalanang Horovod sa OnWorks nang libre.
Sundin ang mga tagubiling ito upang patakbuhin ang app na ito:
- 1. Na-download ang application na ito sa iyong PC.
- 2. Ipasok sa aming file manager https://www.onworks.net/myfiles.php?username=XXXXX kasama ang username na gusto mo.
- 3. I-upload ang application na ito sa naturang filemanager.
- 4. Magsimula ng anumang OS OnWorks online emulator mula sa website na ito, ngunit mas mahusay na Windows online emulator.
- 5. Mula sa OnWorks Windows OS na kasisimula mo pa lang, pumunta sa aming file manager https://www.onworks.net/myfiles.php?username=XXXX gamit ang username na gusto mo.
- 6. I-download ang application at i-install ito.
- 7. I-download ang Wine mula sa iyong mga Linux distributions software repository. Kapag na-install na, maaari mong i-double click ang app upang patakbuhin ang mga ito gamit ang Wine. Maaari mo ring subukan ang PlayOnLinux, isang magarbong interface sa ibabaw ng Wine na tutulong sa iyong mag-install ng mga sikat na programa at laro sa Windows.
Ang alak ay isang paraan upang patakbuhin ang software ng Windows sa Linux, ngunit walang kinakailangang Windows. Ang alak ay isang open-source na layer ng compatibility ng Windows na maaaring direktang magpatakbo ng mga program sa Windows sa anumang desktop ng Linux. Sa totoo lang, sinusubukan ng Wine na muling ipatupad ang sapat na Windows mula sa simula upang mapatakbo nito ang lahat ng mga Windows application na iyon nang hindi talaga nangangailangan ng Windows.
MGA LALAKI
Ad
Horovod
DESCRIPTION
Ang Horovod ay orihinal na binuo ng Uber upang gawing mabilis at madaling gamitin ang ipinamahagi na malalim na pag-aaral, na nagpapababa sa oras ng pagsasanay ng modelo mula sa mga araw at linggo hanggang sa mga oras at minuto. Sa Horovod, ang isang umiiral na script ng pagsasanay ay maaaring palakihin upang tumakbo sa daan-daang mga GPU sa loob lamang ng ilang linya ng Python code. Maaaring i-install ang Horovod on-premise o maubusan ng out-of-the-box sa mga cloud platform, kabilang ang AWS, Azure, at Databricks. Ang Horovod ay maaari ding tumakbo sa tuktok ng Apache Spark, na ginagawang posible na pag-isahin ang pagpoproseso ng data at pagsasanay sa modelo sa isang solong pipeline. Kapag na-configure na ang Horovod, magagamit ang parehong imprastraktura upang sanayin ang mga modelo sa anumang framework, na ginagawang madali ang paglipat sa pagitan ng TensorFlow, PyTorch, MXNet, at mga framework sa hinaharap habang patuloy na umuunlad ang mga tech stack ng machine learning. Simulan ang pag-scale ng iyong pagsasanay sa modelo gamit lamang ang ilang linya ng Python code. Mag-scale ng hanggang daan-daang GPU na may pataas na 90% na kahusayan sa pag-scale.
Mga tampok
- Naipamahagi ang balangkas ng pagsasanay sa malalim na pag-aaral
- Para sa TensorFlow, Keras, PyTorch, at Apache MXNet
- Mag-scale ng hanggang daan-daang GPU na may pataas na 90% na kahusayan sa pag-scale
- Simulan ang pag-scale ng iyong pagsasanay sa modelo gamit lamang ang ilang linya ng Python code
- Parehong tumatakbo para sa TensorFlow, Keras, PyTorch, at MXNet
- Sa premise, sa cloud, at sa Apache Spark
Wika ng Programming
Sawa
Kategorya
Ito ay isang application na maaari ding makuha mula sa https://sourceforge.net/projects/horovod.mirror/. Na-host ito sa OnWorks upang mapatakbo online sa pinakamadaling paraan mula sa isa sa aming mga libreng Operative System.
