Đây là ứng dụng Windows có tên là Horovod. Bạn có thể tải xuống bản phát hành mới nhất dưới dạng Customdataloaders trong SparkTorch Estimator,moremodelparallelisminKeras,cải thiệntất cảhiệu suấtthu thập,các bản sửa lỗi choPyTorchandTensorFlowversions.zipmới nhất. 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 này có tên là Horovod with 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 bất kỳ trình giả lập trực tuyến OS OnWorks nào từ trang web này, nhưng trình giả lập trực tuyến Windows tốt hơn.
- 5. Từ Hệ điều hành Windows OnWorks 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 và cài đặt nó.
- 7. Tải xuống Wine từ kho phần mềm phân phối Linux của bạn. Sau khi cài đặt, bạn có thể nhấp đúp vào ứng dụng để chạy chúng với Wine. Bạn cũng có thể thử PlayOnLinux, một giao diện đẹp mắt trên Wine sẽ giúp bạn cài đặt các chương trình và trò chơi phổ biến của Windows.
Wine là một cách để chạy phần mềm Windows trên Linux, nhưng không cần Windows. Wine là một lớp tương thích Windows mã nguồn mở có thể chạy các chương trình Windows trực tiếp trên bất kỳ máy tính để bàn Linux nào. Về cơ bản, Wine đang cố gắng triển khai lại đủ Windows từ đầu để nó có thể chạy tất cả các ứng dụng Windows đó mà không thực sự cần đến Windows.
MÀN HÌNH
Ad
Horovod
MÔ TẢ
Horovod ban đầu được Uber phát triển để giúp việc học sâu phân tán trở nên nhanh chóng và dễ sử dụng, giúp giảm thời gian đào tạo mô hình từ vài ngày và vài tuần xuống còn hàng giờ và hàng phút. Với Horovod, tập lệnh đào tạo hiện có có thể được mở rộng quy mô để chạy trên hàng trăm GPU chỉ trong một vài dòng mã Python. Horovod có thể được cài đặt tại chỗ hoặc chạy ngay trên nền tảng đám mây, bao gồm AWS, Azure và Databricks. Ngoài ra, Horovod có thể chạy trên Apache Spark, giúp có thể hợp nhất quá trình xử lý dữ liệu và đào tạo mô hình thành một quy trình duy nhất. Khi Horovod đã được định cấu hình, cơ sở hạ tầng tương tự có thể được sử dụng để đào tạo các mô hình với bất kỳ khung nào, giúp dễ dàng chuyển đổi giữa TensorFlow, PyTorch, MXNet và các khung trong tương lai khi các ngăn xếp công nghệ máy học tiếp tục phát triển. Bắt đầu mở rộng quy mô đào tạo mô hình của bạn chỉ với một vài dòng mã Python. Mở rộng quy mô lên tới hàng trăm GPU với hiệu suất mở rộng lên tới 90%.
Tính năng
- Khung đào tạo deep learning phân tán
- Đối với TensorFlow, Keras, PyTorch và Apache MXNet
- Mở rộng quy mô lên tới hàng trăm GPU với hiệu suất mở rộng lên tới 90%
- Bắt đầu mở rộng quy mô đào tạo mô hình của bạn chỉ với một vài dòng mã Python
- Chạy tương tự cho TensorFlow, Keras, PyTorch và MXNet
- Tại tiền đề, trên đám mây và trên Apache Spark
Ngôn ngữ lập trình
Python
Categories
Đây là một ứng dụng cũng có thể được tìm nạp từ https://sourceforge.net/projects/horovod.mirror/. Nó đã được lưu trữ trong OnWorks để có thể chạy trực tuyến theo cách dễ dàng nhất từ một trong các Hệ điều hành miễn phí của chúng tôi.