Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
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
7 heures
Nos Clients témoignent (4)
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
The structure from first principles, to case studies, to application.
Margaret Webb - Department of Jobs, Regions, and Precincts
Formation - Introduction to Deep Learning
I was benefit from the passion to teach and focusing on making thing sensible.
Zaher Sharifi - GOSI
Formation - Advanced Deep Learning
examples based on our data