این برنامه ویندوزی به نام Horovod است که آخرین نسخه آن را می‌توان به‌عنوان بارگیری‌کننده داده‌های سفارشی درSparkTorchEstimator، moremodelparallelisminKeras، بهبود عملکرد جمع‌آوری، رفع آخرینPyTorchandTensorFlowversions.zip دانلود کرد. می توان آن را به صورت آنلاین در ارائه دهنده میزبانی رایگان OnWorks برای ایستگاه های کاری اجرا کرد.
این اپلیکیشن به نام Horovod را با OnWorks به صورت آنلاین دانلود و اجرا کنید.
برای اجرای این برنامه این دستورالعمل ها را دنبال کنید:
- 1. این برنامه را در رایانه شخصی خود دانلود کنید.
- 2. در فایل منیجر ما https://www.onworks.net/myfiles.php?username=XXXXX نام کاربری مورد نظر خود را وارد کنید.
- 3. این برنامه را در چنین فایل منیجر آپلود کنید.
- 4. هر شبیه ساز آنلاین OS OnWorks را از این وب سایت راه اندازی کنید، اما شبیه ساز آنلاین ویندوز بهتر است.
- 5. از OnWorks Windows OS که به تازگی راه اندازی کرده اید، به مدیر فایل ما https://www.onworks.net/myfiles.php?username=XXXXX با نام کاربری که می خواهید بروید.
- 6. برنامه را دانلود و نصب کنید.
- 7. Wine را از مخازن نرم افزار توزیع لینوکس خود دانلود کنید. پس از نصب، می توانید روی برنامه دوبار کلیک کنید تا آنها را با Wine اجرا کنید. همچنین می توانید PlayOnLinux را امتحان کنید، یک رابط کاربری فانتزی بر روی Wine که به شما کمک می کند برنامه ها و بازی های محبوب ویندوز را نصب کنید.
Wine راهی برای اجرای نرم افزار ویندوز بر روی لینوکس است، اما بدون نیاز به ویندوز. Wine یک لایه سازگار با ویندوز منبع باز است که می تواند برنامه های ویندوز را مستقیماً بر روی هر دسکتاپ لینوکس اجرا کند. اساساً، Wine در تلاش است تا به اندازه کافی از ویندوز را از ابتدا مجدداً پیاده سازی کند تا بتواند همه آن برنامه های ویندوز را بدون نیاز به ویندوز اجرا کند.
عکس ها
Ad
هرود
شرح
Horovod در اصل توسط Uber توسعه داده شد تا یادگیری عمیق توزیع شده را سریع و آسان کند و زمان آموزش مدل را از روز و هفته به ساعت و دقیقه کاهش دهد. با Horovod، یک اسکریپت آموزشی موجود را می توان برای اجرا بر روی صدها GPU تنها در چند خط کد پایتون بزرگ کرد. Horovod را می توان در محل نصب کرد یا در پلتفرم های ابری از جمله AWS، Azure و Databricks به صورت خارج از جعبه نصب کرد. Horovod علاوه بر این می‌تواند در بالای Apache Spark اجرا شود و امکان یکسان سازی پردازش داده و آموزش مدل‌سازی را در یک خط لوله واحد فراهم می‌کند. هنگامی که Horovod پیکربندی شد، می‌توان از همان زیرساخت برای آموزش مدل‌ها با هر فریم‌ورکی استفاده کرد و با ادامه تکامل پشته‌های فناوری یادگیری ماشین، جابه‌جایی بین TensorFlow، PyTorch، MXNet و چارچوب‌های آینده را آسان می‌کند. آموزش مدل خود را تنها با چند خط کد پایتون مقیاس بندی کنید. تا صدها پردازنده گرافیکی با راندمان مقیاس پذیری 90 درصد.
امکانات
- چارچوب آموزشی یادگیری عمیق توزیع شده
- برای TensorFlow، Keras، PyTorch، و Apache MXNet
- مقیاس تا صدها پردازنده گرافیکی با راندمان مقیاس پذیری 90 درصد
- آموزش مدل خود را تنها با چند خط کد پایتون مقیاس بندی کنید
- برای TensorFlow، Keras، PyTorch و MXNet یکسان اجرا می شود
- در فرض، در فضای ابری و در آپاچی اسپارک
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه ای است که می تواند از https://sourceforge.net/projects/horovod.mirror/ نیز دریافت شود. در OnWorks میزبانی شده است تا به آسانی از یکی از سیستم عامل های رایگان ما به صورت آنلاین اجرا شود.
