Plan du cours

Introduction

  • Vue d'ensemble des caractéristiques et des concepts de Horovod
  • Comprendre les frameworks supportés

Installation et configuration de Horovod

  • Préparation de l'environnement d'hébergement
  • Construire Horovod pour TensorFlow, Keras, PyTorch et Apache MXNet
  • Exécution de Horovod

Exécution de la formation distribuée

  • Modifier et exécuter des exemples de formation avec TensorFlow
  • Modifier et exécuter des exemples de formation avec Keras
  • Modifier et exécuter des exemples de formation avec PyTorch
  • Modifier et exécuter des exemples de formation avec Apache MXNet

Optimisation des processus de formation distribués

  • Exécution d'opérations simultanées sur plusieurs GPUs
  • Réglage des hyperparamètres
  • Activation du réglage automatique des performances

Résolution des problèmes

Résumé et conclusion

Pré requis

  • Une compréhension de Machine Learning, en particulier de l'apprentissage profond (deep learning)
  • Familiarité avec les bibliothèques d'apprentissage automatique (TensorFlow, Keras, PyTorch, Apache MXNet)
  • Expérience en programmation Python.

Audience

  • Développeurs
  • Scientifiques des données
 7 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires