🎓 مركز اختباراتٍ معتمد لدى Pearson VUE و Prometric · المدير القُطري لـ CIET في سورية · تدريبٌ في المزة منذ 2010·الامتحانات التي نقدّمها ←
الرئيسية/الدورات/الذكاء الاصطناعي وتعلّم الآلة/Data Parallelism: How to Train Deep Learning Models on Multi…
الذكاء الاصطناعي وتعلّم الآلة

Data Parallelism: How to Train Deep Learning Models on Multiple GPUs

درّب نماذج التعلّم العميق بسرعة أكبر بتوزيع العمل على عدة معالجات رسومية. ترى كيف يؤثّر حجم الدفعة في الانحدار التدرّجي العشوائي

يوم واحدمتوسطوحدة واحدة
نظرة عامة

نظرة عامة

درّب نماذج التعلّم العميق بسرعة أكبر بتوزيع العمل على عدة معالجات رسومية. ترى كيف يؤثّر حجم الدفعة في الانحدار التدرّجي العشوائي، وتوزّع التدريب باستخدام PyTorch Distributed Data Parallel، وتحافظ على الدقة العالية أثناء التوسّع.

ما ستتعلّمه

ما ستتعلّمه

المحتوى التقني أدناه معروضٌ باللغة الإنجليزية كما ورد في منهاج الدورة، حفاظاً على دقّة المصطلحات.

  • Understand how data parallel deep learning training is performed using multiple GPUs
  • Achieve maximum throughput when training, for the best use of multiple GPUs
  • Distribute training to multiple GPUs using Pytorch
  • Distributed Data Parallel
  • Understand and utilize algorithmic considerations specific to multi-GPU training performance and accuracy
المنهاج

المنهاج

وحدة واحدة
  • Introduction
  • Stochastic Gradient Descent and the Effects of Batch Size
  • Training on Multiple GPUs with PyTorch Distributed Data Parallel (DDP)
  • Maintaining Model Accuracy when Scaling to Multiple GPUs
  • Workshop Assessment
  • Final Review
لمن هذه الدورة

لمن هذه الدورة

ممارسو التعلّم العميق الذين يدرّبون نماذج كبيرة ويحتاجون إلى إنتاجية أعلى.

قبل أن تبدأ

  • Experience with deep learning training using Python

لنرسم خطوتك التالية معاً.

أخبرنا بالدورة أو الشهادة التي تهمّك، ونرسل لك المنهاج والمواعيد القادمة والرسوم وخيارات التدريب الخاص لفريقك.

تحدّث إلى مستشار ←واتساب