Dies ist die Windows-App namens Horovod, deren neueste Version als CustomdataloadersinSparkTorchEstimator, mehr Modellparallelität in Keras, verbesserte Allgather-Leistung, Korrekturen für die neuesten PyTorch- und TensorFlow-Versionen.zip heruntergeladen werden kann. Es kann online beim kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens Horovod mit OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie einen beliebigen OS OnWorks-Online-Emulator von dieser Website, aber einen besseren Windows-Online-Emulator.
- 5. Rufen Sie vom gerade gestarteten OnWorks Windows-Betriebssystem unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter und installieren Sie sie.
- 7. Laden Sie Wine aus den Software-Repositorys Ihrer Linux-Distributionen herunter. Nach der Installation können Sie dann auf die App doppelklicken, um sie mit Wine auszuführen. Sie können auch PlayOnLinux ausprobieren, eine schicke Schnittstelle über Wine, die Ihnen bei der Installation beliebter Windows-Programme und -Spiele hilft.
Wine ist eine Möglichkeit, Windows-Software unter Linux auszuführen, jedoch ohne Windows. Wine ist eine Open-Source-Windows-Kompatibilitätsschicht, die Windows-Programme direkt auf jedem Linux-Desktop ausführen kann. Im Wesentlichen versucht Wine, genügend Windows von Grund auf neu zu implementieren, damit alle diese Windows-Anwendungen ausgeführt werden können, ohne dass Windows tatsächlich benötigt wird.
SCREENSHOTS
Ad
Horowod
BESCHREIBUNG
Horovod wurde ursprünglich von Uber entwickelt, um verteiltes Deep Learning schnell und benutzerfreundlich zu machen und die Modelltrainingszeit von Tagen und Wochen auf Stunden und Minuten zu verkürzen. Mit Horovod kann ein vorhandenes Trainingsskript in nur wenigen Zeilen Python-Code so skaliert werden, dass es auf Hunderten von GPUs ausgeführt werden kann. Horovod kann vor Ort installiert oder sofort auf Cloud-Plattformen wie AWS, Azure und Databricks ausgeführt werden. Horovod kann zusätzlich auf Apache Spark ausgeführt werden, wodurch die Datenverarbeitung und das Modelltraining in einer einzigen Pipeline vereinheitlicht werden können. Sobald Horovod konfiguriert wurde, kann dieselbe Infrastruktur zum Trainieren von Modellen mit beliebigen Frameworks verwendet werden, wodurch es einfach ist, zwischen TensorFlow, PyTorch, MXNet und zukünftigen Frameworks zu wechseln, während sich Tech-Stacks für maschinelles Lernen weiterentwickeln. Beginnen Sie mit der Skalierung Ihres Modelltrainings mit nur wenigen Zeilen Python-Code. Skalieren Sie auf Hunderte von GPUs mit einer Skalierungseffizienz von über 90 %.
Eigenschaften
- Verteiltes Deep-Learning-Trainingsframework
- Für TensorFlow, Keras, PyTorch und Apache MXNet
- Skalieren Sie auf Hunderte von GPUs mit einer Skalierungseffizienz von über 90 %
- Beginnen Sie mit der Skalierung Ihres Modelltrainings mit nur wenigen Zeilen Python-Code
- Läuft genauso für TensorFlow, Keras, PyTorch und MXNet
- Vor Ort, in der Cloud und auf Apache Spark
Programmiersprache
Python
Kategorien
Dies ist eine Anwendung, die auch von https://sourceforge.net/projects/horovod.mirror/ abgerufen werden kann. Es wurde in OnWorks gehostet, damit es auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme ausgeführt werden kann.
