Đây là ứng dụng Linux có tên Fairseq có bản phát hành mới nhất có thể được tải xuống dưới dạng v0.10.2.zip. Nó có thể được chạy trực tuyến trong nhà cung cấp dịch vụ lưu trữ miễn phí OnWorks cho máy trạm.
Tải xuống và chạy trực tuyến ứng dụng có tên Fairseq này với OnWorks miễn phí.
Làm theo các hướng dẫn sau để chạy ứng dụng này:
- 1. Đã tải ứng dụng này xuống PC của bạn.
- 2. Nhập vào trình quản lý tệp của chúng tôi https://www.onworks.net/myfiles.php?username=XXXXX với tên người dùng mà bạn muốn.
- 3. Tải lên ứng dụng này trong trình quản lý tệp như vậy.
- 4. Khởi động trình giả lập trực tuyến OnWorks Linux hoặc trình giả lập trực tuyến Windows hoặc trình mô phỏng trực tuyến MACOS từ trang web này.
- 5. Từ Hệ điều hành OnWorks Linux mà bạn vừa khởi động, hãy truy cập trình quản lý tệp của chúng tôi https://www.onworks.net/myfiles.php?username=XXXXX với tên người dùng mà bạn muốn.
- 6. Tải xuống ứng dụng, cài đặt và chạy nó.
MÀN HÌNH:
công bằng
SỰ MIÊU TẢ:
Fairseq (-py) là một bộ công cụ mô hình hóa trình tự cho phép các nhà nghiên cứu và nhà phát triển đào tạo các mô hình tùy chỉnh để dịch, tóm tắt, mô hình hóa ngôn ngữ và các tác vụ tạo văn bản khác. Chúng tôi cung cấp các triển khai tham khảo của các bài báo mô hình trình tự khác nhau. Công việc gần đây của Microsoft và Google đã chỉ ra rằng đào tạo song song dữ liệu có thể được thực hiện hiệu quả hơn đáng kể bằng cách làm rõ các thông số mô hình và trạng thái của trình tối ưu hóa giữa các nhân viên song song dữ liệu. Những ý tưởng này được gói gọn trong trình bao bọc FullShardedDataParallel (FSDP) mới được cung cấp bởi fairscale. Fairseq có thể được mở rộng thông qua các trình cắm thêm do người dùng cung cấp. Mô hình xác định kiến trúc mạng nơ-ron và đóng gói tất cả các tham số có thể học được. Criterions tính toán hàm mất mát cho các đầu ra và mục tiêu của mô hình. Công việc lưu trữ từ điển và cung cấp trình trợ giúp để tải / lặp qua Tập dữ liệu, khởi tạo Mô hình / Tiêu chí và tính toán tổn thất.
Tính năng
- Đào tạo đa GPU trên một máy hoặc trên nhiều máy (dữ liệu và mô hình song song)
- Thế hệ nhanh trên cả CPU và GPU với nhiều thuật toán tìm kiếm được triển khai
- Tích lũy Gradient cho phép đào tạo với các lô nhỏ lớn ngay cả trên một GPU duy nhất
- Đào tạo độ chính xác hỗn hợp (đào tạo nhanh hơn với ít bộ nhớ GPU hơn trên các lõi tensor NVIDIA)
- Dễ dàng đăng ký các mô hình mới, tiêu chí, nhiệm vụ, trình tối ưu hóa và lịch trình tỷ lệ học tập
- Cấu hình linh hoạt dựa trên Hydra cho phép kết hợp mã, dòng lệnh và cấu hình dựa trên tệp
Ngôn ngữ lập trình
Python
Categories
Đây là một ứng dụng cũng có thể được tìm nạp từ https://sourceforge.net/projects/fairseq.mirror/. Nó đã được lưu trữ trên OnWorks để có thể chạy trực tuyến một cách dễ dàng nhất từ một trong những Hệ thống hoạt động miễn phí của chúng tôi.