Course Outline

Εισαγωγή

  • Επισκόπηση Horovod χαρακτηριστικών και εννοιών
  • Κατανόηση των υποστηριζόμενων πλαισίων

Εγκατάσταση και διαμόρφωση Horovod

  • Προετοιμασία του περιβάλλοντος φιλοξενίας
  • Κτίριο Horovod για TensorFlow, Keras, PyTorch και Apache MXNet
  • Τρέξιμο Horovod

Τρέξιμο κατανεμημένης προπόνησης

  • Τροποποίηση και εκτέλεση παραδειγμάτων προπόνησης με TensorFlow
  • Τροποποίηση και εκτέλεση παραδειγμάτων προπόνησης με Keras
  • Τροποποίηση και εκτέλεση παραδειγμάτων εκπαίδευσης με το PyTorch
  • Τροποποίηση και εκτέλεση παραδειγμάτων προπόνησης με Apache MXNet

Βελτιστοποίηση Κατανεμημένων Διαδικασιών Εκπαίδευσης

  • Εκτέλεση ταυτόχρονων λειτουργιών σε πολλαπλά GPUs
  • Συντονισμός υπερπαραμέτρων
  • Ενεργοποίηση αυτόματου συντονισμού απόδοσης

Αντιμετώπιση προβλημάτων

Περίληψη και Συμπέρασμα

Requirements

  • Κατανόηση του Machine Learning, ειδικά της βαθιάς μάθησης
  • Εξοικείωση με βιβλιοθήκες μηχανικής εκμάθησης (TensorFlow, Keras, PyTorch, Apache MXNet)
  • Python εμπειρία προγραμματισμού

Ακροατήριο

  • προγραμματιστές
  • Επιστήμονες δεδομένων
 7 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories