Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Εισαγωγή
- Επισκόπηση των Horovod χαρακτηριστικών και εννοιών Κατανόηση των υποστηριζόμενων πλαισίων
Εγκατάσταση και διαμόρφωση Horovod
- Προετοιμασία του περιβάλλοντος φιλοξενίας Building Horovod για TensorFlow, Keras, PyTorch και Apache MXNet Running Horovod
Τρέξιμο κατανεμημένης προπόνησης
- Τροποποίηση και εκτέλεση παραδειγμάτων προπόνησης με το TensorFlow Τροποποίηση και εκτέλεση παραδειγμάτων προπόνησης με Keras Τροποποίηση και εκτέλεση παραδειγμάτων εκπαίδευσης με PyTorch Τροποποίηση και εκτέλεση παραδειγμάτων εκπαίδευσης με το Apache MXNet
Βελτιστοποίηση Κατανεμημένων Διαδικασιών Εκπαίδευσης
- Εκτέλεση ταυτόχρονων λειτουργιών σε πολλαπλά GPUs Υπερπαράμετροι συντονισμού Ενεργοποίηση αυτόματου συντονισμού απόδοσης
Αντιμετώπιση προβλημάτων
Περίληψη και Συμπέρασμα
Requirements
- Κατανόηση της Μηχανικής Μάθησης, συγκεκριμένα της βαθιάς μάθησης
- Εξοικείωση με βιβλιοθήκες μηχανικής εκμάθησης (TensorFlow, Keras, PyTorch, Apache MXNet)
- Εμπειρία προγραμματισμού Python
Ακροατήριο
- προγραμματιστές
- Επιστήμονες δεδομένων
7 Hours
Testimonials (5)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Course - Artificial Neural Networks, Machine Learning, Deep Thinking
Very flexible
Frank Ueltzhöffer
Course - Artificial Neural Networks, Machine Learning and Deep Thinking
The structure from first principles, to case studies, to application.
Margaret Webb - Department of Jobs, Regions, and Precincts
Course - Introduction to Deep Learning
I was benefit from the passion to teach and focusing on making thing sensible.
Zaher Sharifi - GOSI
Course - Advanced Deep Learning
examples based on our data