Struttura del corso

Introduzione

  • Panoramica delle caratteristiche e dei concetti di Horovod
  • Informazioni sui framework supportati

Installazione e configurazione Horovod

  • Preparazione dell'ambiente    host
  • Costruire Horovod per TensorFlow, Keras, PyTorch e Apache MXNet
  • In esecuzione Horovod

Esecuzione di formazione distribuita

  • Modifica ed esecuzione di esempi di allenamento con TensorFlow
  • Modifica ed esecuzione di esempi di allenamento con Keras
  • Modifica ed esecuzione di esempi di allenamento con PyTorch
  • Modifica ed esecuzione di esempi di allenamento con Apache MXNet

Ottimizzazione dei processi di formazione distribuiti

  • Esecuzione di operazioni simultanee su più GPU    
  • Ottimizzazione degli iperparametri
  • Abilitazione dell'ottimizzazione automatica delle prestazioni

Risoluzione dei problemi

Riassunto e conclusione

Requisiti

  • Una comprensione di Machine Learning, in particolare del deep learning
  • Familiarità con le librerie di apprendimento automatico (TensorFlow, Keras, PyTorch, Apache MXNet)
  • Python Esperienza di programmazione

Pubblico

  • Gli sviluppatori
  • Scienziati dei dati
 7 ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative