Ito ang Windows app na pinangalanang TorchRec na ang pinakabagong release ay maaaring ma-download bilang v0.5.0.zip. Maaari itong patakbuhin online sa libreng hosting provider na OnWorks para sa mga workstation.
I-download at patakbuhin online ang app na ito na pinangalanang TorchRec na may OnWorks nang libre.
Sundin ang mga tagubiling ito upang patakbuhin ang app na ito:
- 1. Na-download ang application na ito sa iyong PC.
- 2. Ipasok sa aming file manager https://www.onworks.net/myfiles.php?username=XXXXX kasama ang username na gusto mo.
- 3. I-upload ang application na ito sa naturang filemanager.
- 4. Magsimula ng anumang OS OnWorks online emulator mula sa website na ito, ngunit mas mahusay na Windows online emulator.
- 5. Mula sa OnWorks Windows OS na kasisimula mo pa lang, pumunta sa aming file manager https://www.onworks.net/myfiles.php?username=XXXX gamit ang username na gusto mo.
- 6. I-download ang application at i-install ito.
- 7. I-download ang Wine mula sa iyong mga Linux distributions software repository. Kapag na-install na, maaari mong i-double click ang app upang patakbuhin ang mga ito gamit ang Wine. Maaari mo ring subukan ang PlayOnLinux, isang magarbong interface sa ibabaw ng Wine na tutulong sa iyong mag-install ng mga sikat na programa at laro sa Windows.
Ang alak ay isang paraan upang patakbuhin ang software ng Windows sa Linux, ngunit walang kinakailangang Windows. Ang alak ay isang open-source na layer ng compatibility ng Windows na maaaring direktang magpatakbo ng mga program sa Windows sa anumang desktop ng Linux. Sa totoo lang, sinusubukan ng Wine na muling ipatupad ang sapat na Windows mula sa simula upang mapatakbo nito ang lahat ng mga Windows application na iyon nang hindi talaga nangangailangan ng Windows.
MGA LALAKI
Ad
TorchRec
DESCRIPTION
Ang TorchRec ay isang PyTorch domain library na binuo upang magbigay ng karaniwang sparsity at parallelism primitive na kailangan para sa malakihang mga sistema ng rekomendasyon (RecSys). Binibigyang-daan nito ang mga may-akda na sanayin ang mga modelo na may malalaking embedding table na nahati sa maraming GPU. Parallelism primitives na nagbibigay-daan sa madaling pag-author ng malaki, gumaganap na multi-device/multi-node na mga modelo gamit ang hybrid na data-parallelism/model-parallelism. Ang TorchRec sharder ay maaaring mag-shard ng mga talahanayan sa pag-embed na may iba't ibang mga diskarte sa sharding kabilang ang data-parallel, table-wise, row-wise, table-wise-row-wise, at column-wise sharding. Ang tagaplano ng TorchRec ay maaaring awtomatikong bumuo ng mga na-optimize na sharding plan para sa mga modelo. Ang pipelined na pagsasanay ay nag-o-overlap ng dataloading device transfer (kopya sa GPU), inter-device na komunikasyon (input_dist), at computation (forward, backward) para sa mas mataas na performance. Mga na-optimize na kernel para sa RecSys na pinapagana ng FBGEMM. Suporta sa quantization para sa pinababang pagsasanay sa katumpakan at hinuha. Mga karaniwang module para sa RecSys.
Mga tampok
- Binuo para magbigay ng karaniwang sparsity at parallelism primitive na kailangan para sa malakihang mga system ng tagarekomenda
- Ang TorchRec planner ay maaaring awtomatikong bumuo ng mga optimized na sharding plan para sa mga modelo
- Ang Torchrec ay nangangailangan ng Python >= 3.7 at CUDA >= 11.0
- Ang pang-eksperimentong binary sa Linux para sa Python 3.7, 3.8 at 3.9 ay maaaring mai-install sa pamamagitan ng mga gulong ng pip
- Ang TorchRec ay lisensyado ng BSD
- Suporta sa quantization para sa pinababang pagsasanay sa katumpakan at hinuha
Wika ng Programming
Sawa
Kategorya
Ito ay isang application na maaari ding makuha mula sa https://sourceforge.net/projects/torchrec.mirror/. Na-host ito sa OnWorks upang mapatakbo online sa pinakamadaling paraan mula sa isa sa aming mga libreng Operative System.
