Dit is de Windows-app genaamd DeepSpeed waarvan de nieuwste release kan worden gedownload als XRSSfeedforfil. Het kan online worden uitgevoerd in de gratis hostingprovider OnWorks voor werkstations.
Download en voer deze app met de naam DeepSpeed gratis online uit met OnWorks.
Volg deze instructies om deze app uit te voeren:
- 1. Download deze applicatie op uw pc.
- 2. Voer in onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX in met de gebruikersnaam die u wilt.
- 3. Upload deze applicatie in zo'n bestandsbeheerder.
- 4. Start een OS OnWorks online emulator vanaf deze website, maar een betere Windows online emulator.
- 5. Ga vanuit het OnWorks Windows-besturingssysteem dat u zojuist hebt gestart naar onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX met de gewenste gebruikersnaam.
- 6. Download de applicatie en installeer deze.
- 7. Download Wine van de softwarebronnen voor Linux-distributies. Eenmaal geïnstalleerd, kunt u vervolgens dubbelklikken op de app om ze met Wine uit te voeren. Je kunt ook PlayOnLinux proberen, een mooie interface via Wine waarmee je populaire Windows-programma's en -games kunt installeren.
Wine is een manier om Windows-software op Linux uit te voeren, maar zonder dat Windows vereist is. Wine is een open-source Windows-compatibiliteitslaag die Windows-programma's rechtstreeks op elke Linux-desktop kan uitvoeren. In wezen probeert Wine genoeg van Windows opnieuw te implementeren, zodat het al die Windows-applicaties kan draaien zonder Windows echt nodig te hebben.
SCREENSHOTS
Ad
diepe snelheid
PRODUCTBESCHRIJVING
DeepSpeed is een gebruiksvriendelijke softwaresuite voor deep learning-optimalisatie die ongekende schaal en snelheid mogelijk maakt voor Deep Learning Training en Inference. Met DeepSpeed kunt u:
1. Train/Inference dichte of schaarse modellen met miljarden of biljoenen parameters
2. Bereik een uitstekende systeemdoorvoer en schaal efficiënt naar duizenden GPU's
3. Train/Inference op GPU-systemen met beperkte middelen
4. Bereik ongekende lage latentie en hoge doorvoer voor inferentie
5. Bereik extreme compressie voor een ongeëvenaarde inferentielatentie en verkleining van de modelgrootte tegen lage kosten
DeepSpeed biedt een samenvloeiing van systeeminnovaties, die grootschalige DL-training effectief en efficiënt hebben gemaakt, het gebruiksgemak sterk hebben verbeterd en het DL-trainingslandschap opnieuw hebben gedefinieerd in termen van schaal die mogelijk is. Deze innovaties zoals ZeRO, 3D-Parallelism, DeepSpeed-MoE, ZeRO-Infinity, etc. vallen onder de opleidingspijler.
Kenmerken
- DeepSpeed brengt innovaties op het gebied van parallellismetechnologie samen, zoals tensor-, pijplijn-, expert- en ZeRO-parallelisme, en combineert deze met krachtige aangepaste inferentiekernels, communicatie-optimalisaties en heterogene geheugentechnologieën om inferentie op een ongekende schaal mogelijk te maken, terwijl ongeëvenaarde latentie, doorvoer en kostenbesparing. Deze systematische samenstelling van systeemtechnologieën voor inferentie valt onder de inferentiepijler
- Om de inferentie-efficiëntie verder te verhogen, biedt DeepSpeed gebruiksvriendelijke en flexibel samen te stellen compressietechnieken voor onderzoekers en praktijkmensen om hun modellen te comprimeren en tegelijkertijd hogere snelheid, kleinere modelgrootte en aanzienlijk lagere compressiekosten te leveren. Bovendien vallen SoTA-innovaties op het gebied van compressie zoals ZeroQuant en XTC onder de compressiepijler.
- De DeepSpeed-bibliotheek (deze repository) implementeert en verpakt de innovaties en technologieën in DeepSpeed Training, Inference en Compression Pillars in één gebruiksvriendelijke, open-source repository. Het zorgt voor een gemakkelijke samenstelling van een groot aantal functies binnen een enkele trainings-, inferentie- of compressiepijplijn. De DeepSpeed-bibliotheek wordt sterk gebruikt door de DL-gemeenschap en is gebruikt om enkele van de krachtigste modellen mogelijk te maken
Programmeertaal
Python
Categorieën
Dit is een applicatie die ook kan worden opgehaald van https://sourceforge.net/projects/deepspeed.mirror/. Het is gehost in OnWorks, zodat het op de gemakkelijkste manier online kan worden uitgevoerd vanaf een van onze gratis besturingssystemen.
