determined
v0.38.0
Déterminé est une plate-forme d'apprentissage en profondeur tout-en-un, compatible avec Pytorch et TensorFlow.
Il s'occupe de:
Les principaux composants de déterminés sont la bibliothèque Python, l'interface de ligne de commande (CLI) et l'interface utilisateur Web.
Utilisez la bibliothèque Python pour rendre votre code Pytorch ou TensorFlow existant compatible avec déterminé.
Vous pouvez le faire en organisant votre code dans l'une des API basées sur la classe:
from determined . pytorch import PyTorchTrial
class YourExperiment ( PyTorchTrial ):
def __init__ ( self , context ):
...Ou en utilisant uniquement les fonctions souhaitées, via l'API Core:
import determined as det
with det . core . init () as core_context :
...Vous pouvez utiliser la CLI pour:
det deploy local cluster-up
det deploy aws up
det experiment create gpt.yaml .Configurez tout, de la formation distribuée au réglage hyperparamètre à l'aide de fichiers YAML:
resources :
slots_per_trial : 8
priority : 1
hyperparameters :
learning_rate :
type : double
minval : .0001
maxval : 1.0
searcher :
name : adaptive_asha
metric : validation_loss
smaller_is_better : true Utilisez l'interface utilisateur Web pour afficher les courbes de perte, les tracés d'hyperparamètre, le code et les instantanés de configuration, les registres du modèle, l'utilisation des cluster, les journaux de débogage, les rapports de profilage des performances, etc.
Pour installer la CLI:
pip install determined Utilisez ensuite det deploy pour démarrer le cluster déterminé localement, ou sur des services cloud comme AWS et GCP.
Pour les détails de l'installation, visitez le Guide de déploiement du cluster pour votre environnement:
Familiez-vous avec déterminé en explorant les plus de 30 exemples dans le dossier Exemples et le repo d'exemples déterminés.
Si vous avez besoin d'aide, souhaitez déposer un rapport de bogue ou si vous souhaitez vous tenir à jour avec les dernières nouvelles de déterminé, veuillez rejoindre la communauté déterminée!
[email protected] .Guide du contributeur
Apache v2
