determined
v0.38.0
Определяется платформа глубокого обучения, совместимая с Pytorch и Tensorflow.
Это заботится о:
Основными компонентами определенных являются библиотека Python, интерфейс командной строки (CLI) и веб -интерфейс.
Используйте библиотеку Python, чтобы сделать ваш существующий код Pytorch или Tensorflow совместимым с определением.
Вы можете сделать это, организовав свой код в одну из API на основе класса:
from determined . pytorch import PyTorchTrial
class YourExperiment ( PyTorchTrial ):
def __init__ ( self , context ):
...Или с помощью только нужных функций, через Core API:
import determined as det
with det . core . init () as core_context :
...Вы можете использовать CLI для:
det deploy local cluster-up
det deploy aws up
det experiment create gpt.yaml .Настройте все, от распределенного обучения до настройки гиперпараметрических данных с помощью файлов 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 Используйте веб -пользовательский интерфейс для просмотра кривых потерь, графиков гиперпараметрических, снимков кода и конфигурации, реестров моделей, использования кластеров, журналов отладки, отчетов о профилировании производительности и многого другого.
Чтобы установить CLI:
pip install determined Затем используйте det deploy , чтобы запустить определенный кластер локально или в облачных сервисах, таких как AWS и GCP.
Для получения данных установки посетите руководство по развертыванию кластера для вашей среды:
Познакомьтесь с определением, изучив 30+ примеров в папке «Примеры» и репозиторие определенных примеров.
Если вам нужна помощь, вы хотите подать отчет об ошибке или просто вы хотите быть в курсе последних новостей о определении, присоединяйтесь к определенному сообществу!
[email protected] .Руководство участника
Apache V2
