这是名为 TorchRec 的 Linux 应用程序，其最新版本可以下载为 v0.5.0.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 TorchRec 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。
截图：
火炬录制
描述：
TorchRec 是一个 PyTorch 域库，旨在提供大规模推荐系统 (RecSys) 所需的通用稀疏性和并行性原语。 它允许作者使用跨多个 GPU 分片的大型嵌入表来训练模型。 使用混合数据并行/模型并行轻松创作大型、高性能多设备/多节点模型的并行原语。 TorchRec 分片器可以使用不同的分片策略对嵌入表进行分片，包括数据并行、表分片、行分片、表分片和列分片。 TorchRec 计划器可以自动为模型生成优化的分片计划。 流水线训练与数据加载设备传输（复制到 GPU）、设备间通信（input_dist）和计算（前向、后向）重叠，以提高性能。 FBGEMM 支持的 RecSys 优化内核。 量化支持降低精度训练和推理。 RecSys 的通用模块。
項目特色
- 旨在提供大规模推荐系统所需的通用稀疏性和并行性原语
- TorchRec 计划器可以自动为模型生成优化的分片计划
- Torchrec 需要 Python >= 3.7 和 CUDA >= 11.0
- 可以通过 pip 轮子在 Linux 上安装 Python 3.7、3.8 和 3.9 的实验二进制文件
- TorchRec 已获得 BSD 许可
- 量化支持降低精度训练和推理
程式语言
Python
分类
这是一个也可以从 https://sourceforge.net/projects/torchrec.mirror/ 获取的应用程序。 它已托管在 OnWorks 中，以便通过我们的免费操作系统之一以最简单的方式在线运行。