Plan du cours
Introduction
- Vue d'ensemble des caractéristiques et des concepts de Horovod
- Comprendre les cadres supportés
Installation et configuration Horovod
- Préparer l'environnement d'hébergement  ;   ;
- Construire Horovod pour TensorFlow, Keras, PyTorch, et Apache MXNet
- Exécuter Horovod
Formation distribuée en cours d'exécution
- 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 concurrentes sur plusieurs GPUs  ;   ;
- Réglage des hyperparamètres
- Activation de l'autotuning des performances
Dépannage
Résumé et conclusion
Pré requis
- Une compréhension de l'apprentissage automatique, en particulier de l'apprentissage profond .
- Familiarité avec les bibliothèques d'apprentissage automatique (TensorFlow, Keras, PyTorch, Apache MXNet)
- Expérience de la programmation en Python
Audience
- Développeurs
- Data scientists
Nos Clients témoignent (5)
Nous avons eu une vue d'ensemble sur Machine Learning, Neural Networks, l'IA avec des exemples pratiques.
Catalin - DB Global Technology SRL
Formation - Machine Learning and Deep Learning
Traduction automatique
The structure from first principles, to case studies, to application.
Margaret Webb - Department of Jobs, Regions, and Precincts
Formation - Introduction to Deep Learning
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Formation - Artificial Neural Networks, Machine Learning, Deep Thinking
I was benefit from the passion to teach and focusing on making thing sensible.
Zaher Sharifi - GOSI
Formation - Advanced Deep Learning
In-depth coverage of machine learning topics, particularly neural networks. Demystified a lot of the topic.