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
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
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
- 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
ممارسو التعلّم العميق الذين يدرّبون نماذج كبيرة ويحتاجون إلى إنتاجية أعلى.
قبل أن تبدأ
- Experience with deep learning training using Python
دورات ذات صلة
المزيد في الذكاء الاصطناعي وتعلّم الآلة ←Accelerated Delivery Using AI
الذكاء الاصطناعي وتعلّم الآلة
تفاصيل الدورة ←Accelerating Data Engineering Pipelines
الذكاء الاصطناعي وتعلّم الآلة
تفاصيل الدورة ←Agentic Fundamentals for Business Professionals
الذكاء الاصطناعي وتعلّم الآلة
تفاصيل الدورة ←AI Agents with Google's ADK Bootcamp: Build with Gemini, Protocols, & AgentOps
الذكاء الاصطناعي وتعلّم الآلة
تفاصيل الدورة ←AI Driven Road Management
الذكاء الاصطناعي وتعلّم الآلة
تفاصيل الدورة ←AI Ethical Use and Responsibility - Beginner
الذكاء الاصطناعي وتعلّم الآلة
تفاصيل الدورة ←لنرسم خطوتك التالية معاً.
أخبرنا بالدورة أو الشهادة التي تهمّك، ونرسل لك المنهاج والمواعيد القادمة والرسوم وخيارات التدريب الخاص لفريقك.