Greifen Sie auf eine Sammlung von Leitfäden und Tools zum Trainieren und Feinabstimmen von maschinellen Lernmodellen zu.
Aus der README
- allreducebench.py - a much easier way to benchmark network throughput than nccl-tests.
- torch-distributed-gpu-test.py - a tool to quickly test your inter-node connectivity
- mamf-finder.py - what is the actual TFLOPS measurement you can get from your accelerator.
Auszüge aus der Projekt-README zu GitHub. Das Urheberrecht und die Lizenzen verbleiben bei den jeweiligen Autoren.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbarMachine Learning Engineering Open Book
ml-engineering hat 18.8k Sterne auf GitHub. Es wurde 1.2k-mal geforkt. ml-engineering ist hauptsächlich in Python geschrieben. Es wird seit 2020 aktiv entwickelt. ml-engineering ist unter der CC-BY-SA-4.0-Lizenz verfügbar. Die Hauptthemen sind: ai, debugging, gpus, inference.
Was ist ml-engineering?
Machine Learning Engineering Open Book
Ist ml-engineering Open Source?
ml-engineering ist ein Open-Source-Projekt. Es wird unter der CC-BY-SA-4.0-Lizenz veröffentlicht.
Ist ml-engineering kostenlos?
Ja. ml-engineering ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
Unter welcher Lizenz steht ml-engineering?
ml-engineering ist unter der CC-BY-SA-4.0-Lizenz verfügbar.
In welcher Sprache ist ml-engineering geschrieben?
ml-engineering ist hauptsächlich in Python geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://olud.ai/project/stas00-ml-engineering.html)
