Accedi a una collezione di guide e strumenti per addestrare e ottimizzare modelli di machine learning.
Dal 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.
Estratti dal README del progetto su GitHub. I diritti d'autore e le licenze rimangono con i rispettivi autori.
Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.
Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.
Gratis · senza carta · disdici quando vuoiMachine Learning Engineering Open Book
ml-engineering ha 18.8k stelle su GitHub. È stato forkato 1.2k volte. ml-engineering è scritto principalmente in Python. È in sviluppo attivo dal 2020. ml-engineering è disponibile con licenza CC-BY-SA-4.0. I suoi temi principali sono: ai, debugging, gpus, inference.
Che cos'è ml-engineering?
Machine Learning Engineering Open Book
ml-engineering è open source?
ml-engineering è un progetto open source. È rilasciato con licenza CC-BY-SA-4.0.
ml-engineering è gratuito?
Sì. ml-engineering è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
Con quale licenza è ml-engineering?
ml-engineering è disponibile con licenza CC-BY-SA-4.0.
In quale linguaggio è scritto ml-engineering?
ml-engineering è scritto principalmente in Python.
Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.
[](https://olud.ai/project/stas00-ml-engineering.html)
