这是名为 Horovod 的 Linux 应用程序，其最新版本可以下载为 CustomdataloadersinSparkTorchEstimator、moremodelparallelisminKeras、improvedallgatherperformance、fixesforlatestPyTorchandTensorFlowversions.zip。 它可以在工作站的免费托管服务提供商 OnWorks 中在线运行。
使用 OnWorks 免费下载并在线运行这个名为 Horovod 的应用程序。
请按照以下说明运行此应用程序：
- 1. 在您的 PC 中下载此应用程序。
- 2. 在我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX 中输入您想要的用户名。
- 3. 在这样的文件管理器中上传这个应用程序。
- 4. 从此网站启动OnWorks Linux online 或Windows online emulator 或MACOS online emulator。
- 5. 从您刚刚启动的 OnWorks Linux 操作系统，使用您想要的用户名转到我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX。
- 6. 下载应用程序，安装并运行。
SCREENSHOTS
Ad
霍罗沃德
商品描述
Horovod 最初由 Uber 开发，旨在使分布式深度学习快速且易于使用，将模型训练时间从几天和几周缩短到几小时和几分钟。 借助 Horovod，只需几行 Python 代码即可将现有的训练脚本扩展到数百个 GPU 上运行。 Horovod 可以在本地安装或在云平台（包括 AWS、Azure 和 Databricks）中开箱即用。 Horovod 还可以在 Apache Spark 之上运行，从而可以将数据处理和模型训练统一到一个管道中。 配置好 Horovod 后，可以使用相同的基础设施来训练任何框架的模型，随着机器学习技术堆栈的不断发展，可以轻松地在 TensorFlow、PyTorch、MXNet 和未来的框架之间切换。 只需几行 Python 代码即可开始扩展您的模型训练。 以高达 90% 的扩展效率扩展到数百个 GPU。
产品优势
- 分布式深度学习训练框架
- 适用于 TensorFlow、Keras、PyTorch 和 Apache MXNet
- 以高达 90% 的扩展效率扩展到数百个 GPU
- 只需几行 Python 代码即可开始扩展您的模型训练
- 对 TensorFlow、Keras、PyTorch 和 MXNet 运行相同
- 在本地、云端和 Apache Spark 上
程式语言
Python
分类
这是一个也可以从 https://sourceforge.net/projects/horovod.mirror/ 获取的应用程序。 它已托管在 OnWorks 中，以便以最简单的方式从我们的免费操作系统之一在线运行。
