Bu, en son sürümü v0.10.2.zip olarak indirilebilen Fairseq adlı Linux uygulamasıdır. İş istasyonları için ücretsiz barındırma sağlayıcısı OnWorks'te çevrimiçi olarak çalıştırılabilir.
Fairseq adlı bu uygulamayı OnWorks ile ücretsiz olarak indirin ve çevrimiçi çalıştırın.
Bu uygulamayı çalıştırmak için şu talimatları izleyin:
- 1. Bu uygulamayı PC'nize indirdiniz.
- 2. Dosya yöneticimize https://www.onworks.net/myfiles.php?username=XXXXX istediğiniz kullanıcı adını girin.
- 3. Bu uygulamayı böyle bir dosya yöneticisine yükleyin.
- 4. Bu web sitesinden OnWorks Linux çevrimiçi veya Windows çevrimiçi öykünücüsünü veya MACOS çevrimiçi öykünücüsünü başlatın.
- 5. Yeni başladığınız OnWorks Linux işletim sisteminden, istediğiniz kullanıcı adıyla https://www.onworks.net/myfiles.php?username=XXXXX dosya yöneticimize gidin.
- 6. Uygulamayı indirin, kurun ve çalıştırın.
EKRAN
Ad
Fairseq
TANIM
Fairseq(-py), araştırmacıların ve geliştiricilerin çeviri, özetleme, dil modelleme ve diğer metin oluşturma görevleri için özel modeller eğitmesine olanak tanıyan bir dizi modelleme araç takımıdır. Çeşitli dizi modelleme kağıtlarının referans uygulamalarını sağlıyoruz. Microsoft ve Google tarafından yapılan son çalışmalar, model parametrelerinin ve optimize edici durumunun veri paralel çalışanları arasında paylaşılmasıyla veri paralel eğitiminin önemli ölçüde daha verimli hale getirilebileceğini göstermiştir. Bu fikirler, fairscale tarafından sağlanan yeni FullyShardedDataParallel (FSDP) sarmalayıcısında kapsüllenmiştir. Fairseq, kullanıcı tarafından sağlanan eklentiler aracılığıyla genişletilebilir. Modeller, sinir ağı mimarisini tanımlar ve öğrenilebilir tüm parametreleri kapsar. Kriterler, model çıktıları ve hedefleri verilen kayıp fonksiyonunu hesaplar. Görevler sözlükleri depolar ve Veri Kümeleri üzerinden yükleme/yineleme, Model/Kriteronu başlatma ve kaybı hesaplama için yardımcılar sağlar.
Özellikler
- Bir makinede veya birden çok makinede çoklu GPU eğitimi (veri ve model paralel)
- Uygulanan çoklu arama algoritmalarıyla hem CPU hem de GPU'da hızlı nesil
- Gradyan birikimi, tek bir GPU'da bile büyük mini gruplarla eğitime olanak tanır
- Karma hassas eğitim (NVIDIA tensör çekirdeklerinde daha az GPU belleğiyle daha hızlı çalışır)
- Yeni modelleri, kriterleri, görevleri, optimize edicileri ve öğrenme oranı planlayıcılarını kolayca kaydedin
- Kod, komut satırı ve dosya tabanlı yapılandırmanın bir kombinasyonuna izin veren Hydra tabanlı esnek yapılandırma
Programlama dili
Python
Kategoriler
Bu, https://sourceforge.net/projects/fairseq.mirror/ adresinden de getirilebilen bir uygulamadır. Ücretsiz İşletim Sistemlerimizden birinden en kolay şekilde çevrimiçi çalıştırılabilmesi için OnWorks'te barındırılmıştır.
