ml-engineering
Livre ouvert sur l'ingénierie de l'apprentissage automatique
Accédez à une collection de guides et d'outils pour entraîner et affiner des modèles d'apprentissage automatique.
Depuis le 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.
Extraits du README du projet sur GitHub. Le droit d'auteur et les licences restent la propriété des auteurs respectifs.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentLivre ouvert sur l'ingénierie de l'apprentissage automatique
ml-engineering compte 18.8k étoiles sur GitHub. Il a été forké 1.2k fois. ml-engineering est écrit principalement en Python. Il est développé activement depuis 2020. ml-engineering est disponible sous licence CC-BY-SA-4.0. Ses principaux thèmes sont : ai, debugging, gpus, inference.
Qu'est-ce que ml-engineering ?
Livre ouvert sur l'ingénierie de l'apprentissage automatique
ml-engineering est-il open source ?
ml-engineering est un projet open source. Il est distribué sous licence CC-BY-SA-4.0.
ml-engineering est-il gratuit ?
Oui. ml-engineering est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est ml-engineering ?
ml-engineering est disponible sous licence CC-BY-SA-4.0.
Dans quel langage ml-engineering est-il écrit ?
ml-engineering est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/stas00-ml-engineering.html)
