• Apprentissage profond distribué : d’un seul nœud vers plusieurs nœuds de calculClosed access 

      2022, LERAT, Jean-Sébastien; Mahmoudi, Ahmed Sidi; Mahmoudi, Saïd, HE en Hainaut
      Acte de conférence ou de colloque
      L'utilisation croissante de l'apprentissage profond (DL) exploite des modèles de plus en plus complexes avec une quantité croissante de données. Le DL distribué (DLL) permet d'entraîner rapidement des modèles en répartissant la charge de calcul. Nous proposons une approche empirique pour accélérer la distribution en se concentrant sur les stratégies de parallélisation locales. Les résultats ...
    • Comparaison des frameworks d'apprentissage profond sur un seul noeud de calculClosed access 

      2021, LERAT, Jean-Sébastien; Mahmoudi, Ahmed Sidi; Mahmoudi, Saïd, HE en Hainaut
      Acte de conférence ou de colloque
      Le deep learning est un domaine en plein expansion, expérimenté et mis en production à travers des frameworks. Ceux-ci sont exploités aussi bien sur des clusters de calcul que sur des cartes embarquées comme la Jeston Nano de Nvidia. De plus en plus souvent, la charge de travail est distribuée sur différents nœuds de calcul sans considérer le choix du framework. Dans ce travail, nous analysons ...
    • Deep Learning Frameworks: Performances AnalysisClosed access 

      2021, LERAT, Jean-Sébastien; Mahmoudi, Ahmed Sidi; Mahmoudi, Saïd, HE en Hainaut
      Acte de conférence ou de colloque
      The fourth industrial revolution use modern technologies that produce a continues flow of data. This large amount of data cannot be analyzed with traditional technologies to detect and diagnose problem without the need of a human. Deep learning consists of a set of methods based on neural networks that can process and extract information from a such amount of data. Deep learning frameworks provide ...