Accede a una colección de guías y herramientas para entrenar y ajustar modelos de aprendizaje automático.
Del 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.
Extractos del README del proyecto sobre GitHub. Los derechos de autor y las licencias permanecen con los respectivos autores.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quierasLibro abierto de Ingeniería de Aprendizaje Automático
ml-engineering tiene 18.8k estrellas en GitHub. Se ha bifurcado 1.2k veces. ml-engineering está escrito principalmente en Python. Se desarrolla activamente desde 2020. ml-engineering está disponible bajo la licencia CC-BY-SA-4.0. Sus temas principales son: ai, debugging, gpus, inference.
¿Qué es ml-engineering?
Libro abierto de Ingeniería de Aprendizaje Automático
¿ml-engineering es de código abierto?
ml-engineering es un proyecto de código abierto. Se distribuye bajo la licencia CC-BY-SA-4.0.
¿ml-engineering es gratis?
Sí. ml-engineering es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
¿Bajo qué licencia está ml-engineering?
ml-engineering está disponible bajo la licencia CC-BY-SA-4.0.
¿En qué lenguaje está escrito ml-engineering?
ml-engineering está escrito principalmente en Python.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://olud.ai/project/stas00-ml-engineering.html)
