horovod.spark
: rozproszone uczenie głębokie za pomocą struktury Horovod
Dowiedz się, jak używać horovod.spark
pakietu do przeprowadzania rozproszonego trenowania modeli uczenia maszynowego.
horovod.spark
w usłudze Azure Databricks
Usługa Azure Databricks obsługuje horovod.spark
pakiet, który udostępnia interfejs API narzędzia do szacowania, którego można używać w potokach uczenia maszynowego z interfejsami Keras i PyTorch. Aby uzyskać szczegółowe informacje, zobacz Horovod na platformie Spark, która zawiera sekcję dotyczącą platformy Horovod w usłudze Databricks.
Uwaga
- Usługa Azure Databricks instaluje
horovod
pakiet z zależnościami. W przypadku uaktualnienia lub obniżenia poziomu tych zależności mogą wystąpić problemy ze zgodnością. - W przypadku używania z
horovod.spark
niestandardowymi wywołaniami zwrotnymi w protokole Keras należy zapisać modele w formacie TensorFlow SavedModel.- W przypadku biblioteki TensorFlow 2.x użyj sufiksu
.tf
w nazwie pliku. - W przypadku biblioteki TensorFlow 1.x ustaw opcję
save_weights_only=True
.
- W przypadku biblioteki TensorFlow 2.x użyj sufiksu
Wymagania
Databricks Runtime ML 7.4 lub nowsza wersja.
Uwaga
horovod.spark
program nie obsługuje wersji pyarrow w wersji 11.0 lub nowszej (zobacz odpowiedni problem z usługą GitHub). Środowisko Databricks Runtime 15.0 ML zawiera plik pyarrow w wersji 14.0.1. Aby używać z usługą horovod.spark
Databricks Runtime 15.0 ML lub nowszą wersją, należy ręcznie zainstalować plik pyarrow, określając wersję poniżej wersji 11.0.
Przykład: funkcja trenowania rozproszonego
Oto podstawowy przykład uruchamiania funkcji trenowania rozproszonego przy użyciu polecenia horovod.spark
:
def train():
import horovod.tensorflow as hvd
hvd.init()
import horovod.spark
horovod.spark.run(train, num_proc=2)
Przykładowe notesy: narzędzia do szacowania platformy Spark horovod korzystające z interfejsów Keras i PyTorch
W poniższych notesach pokazano, jak używać interfejsu API narzędzia do szacowania platformy Horovod platformy Spark przy użyciu interfejsu API Keras i PyTorch.
Notes narzędzia do szacowania platformy Spark horovod Keras
Notes narzędzia do szacowania platformy Spark horovod PyTorch
Opinia
https://aka.ms/ContentUserFeedback.
Dostępne już wkrótce: W 2024 r. będziemy stopniowo wycofywać zgłoszenia z serwisu GitHub jako mechanizm przesyłania opinii na temat zawartości i zastępować go nowym systemem opinii. Aby uzyskać więcej informacji, sprawdź:Prześlij i wyświetl opinię dla