Résultat de
votre recherche
Voici les éléments 1-3 de 3
Apprentissage profond distribué : d’un seul nœud vers plusieurs nœuds de calcul
2022,
- HE en Hainaut
,
- Acte de conférence ou de colloque
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 ...
Deep Learning Frameworks: Performances Analysis
2021,
- HE en Hainaut
,
- Acte de conférence ou de colloque
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 ...
Comparaison des frameworks d'apprentissage profond sur un seul noeud de calcul
2021,
- HE en Hainaut
,
- Acte de conférence ou de colloque
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 ...