Course Outline
Introductie
- Overzicht van Horovod functies en concepten
- Inzicht in de ondersteunde frameworks
Installeren en configureren Horovod
- Voorbereiden van de hostingomgeving
- Gebouw Horovod voor TensorFlow, Keras, PyTorch en Apache MXNet
- Hardlopen Horovod
Gedistribueerde training uitvoeren
- Trainingsvoorbeelden wijzigen en uitvoeren met TensorFlow
- Trainingsvoorbeelden wijzigen en uitvoeren met Keras
- Trainingsvoorbeelden aanpassen en uitvoeren met PyTorch
- Trainingsvoorbeelden wijzigen en uitvoeren met Apache MXNet
Gedistribueerde trainingsprocessen optimaliseren
- Gelijktijdige bewerkingen uitvoeren op meerdere GPUs
- Hyperparameters afstemmen
- Autotuning van prestaties inschakelen
Probleemoplossing
Samenvatting en conclusie
Requirements
- Een goed begrip van Machine Learning, met name deep learning
- Bekendheid met machine learning-bibliotheken (TensorFlow, Keras, PyTorch, Apache MXNet)
- Python-programmeerervaring
Publiek
- Ontwikkelaars
- Datawetenschappers
Getuigenissen (5)
We hadden een overzicht over Machine Learning, Neural Networks, AI met praktijkvoorbeelden.
Catalin - DB Global Technology SRL
Cursus - Machine Learning and Deep Learning
Machine Translated
The structure from first principles, to case studies, to application.
Margaret Webb - Department of Jobs, Regions, and Precincts
Cursus - 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
Cursus - Artificial Neural Networks, Machine Learning, Deep Thinking
I was benefit from the passion to teach and focusing on making thing sensible.
Zaher Sharifi - GOSI
Cursus - Advanced Deep Learning
Very flexible.