这是名为 TorchRec 的 Windows 应用，其最新版本可下载为 v1.3.0sourcecode.tar.gz。它可在免费的工作站托管服务提供商 OnWorks 上在线运行。
使用 OnWorks 免费下载并在线运行这个名为 TorchRec 的应用程序。
请按照以下说明运行此应用程序：
- 1. 在您的 PC 中下载此应用程序。
- 2. 在我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX 中输入您想要的用户名。
- 3. 在这样的文件管理器中上传这个应用程序。
- 4. 从本网站启动任何 OS OnWorks 在线模拟器，但更好的 Windows 在线模拟器。
- 5. 从您刚刚启动的 OnWorks Windows 操作系统，使用您想要的用户名转到我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX。
- 6. 下载应用程序并安装。
- 7. 从您的 Linux 发行版软件存储库下载 Wine。 安装后，您可以双击该应用程序以使用 Wine 运行它们。 您还可以尝试 PlayOnLinux，这是 Wine 上的一个花哨界面，可帮助您安装流行的 Windows 程序和游戏。
Wine 是一种在 Linux 上运行 Windows 软件的方法，但不需要 Windows。 Wine 是一个开源的 Windows 兼容层，可以直接在任何 Linux 桌面上运行 Windows 程序。 本质上，Wine 试图从头开始重新实现足够多的 Windows，以便它可以运行所有这些 Windows 应用程序，而实际上不需要 Windows。
SCREENSHOTS
Ad
火炬录制
商品描述
TorchRec 是一个 PyTorch 域库，旨在提供大规模推荐系统 (RecSys) 所需的通用稀疏性和并行性原语。 它允许作者使用跨多个 GPU 分片的大型嵌入表来训练模型。 使用混合数据并行/模型并行轻松创作大型、高性能多设备/多节点模型的并行原语。 TorchRec 分片器可以使用不同的分片策略对嵌入表进行分片，包括数据并行、表分片、行分片、表分片和列分片。 TorchRec 计划器可以自动为模型生成优化的分片计划。 流水线训练与数据加载设备传输（复制到 GPU）、设备间通信（input_dist）和计算（前向、后向）重叠，以提高性能。 FBGEMM 支持的 RecSys 优化内核。 量化支持降低精度训练和推理。 RecSys 的通用模块。
功能
- 旨在提供大规模推荐系统所需的通用稀疏性和并行性原语
- TorchRec 计划器可以自动为模型生成优化的分片计划
- Torchrec 需要 Python >= 3.7 和 CUDA >= 11.0
- 可以通过 pip 轮子在 Linux 上安装 Python 3.7、3.8 和 3.9 的实验二进制文件
- TorchRec 已获得 BSD 许可
- 量化支持降低精度训练和推理
程式语言
Python
分类
这是一个也可以从 https://sourceforge.net/projects/torchrec.mirror/ 获取的应用程序。 它已托管在 OnWorks 中，以便通过我们的免费操作系统之一以最简单的方式在线运行。
