Kursus
Pelatihan Model AI Efisien dengan PyTorch
LanjutanTingkat Keterampilan
Diperbarui 05/2026
PythonArtificial Intelligence4 jam13 videos45 Latihan3,850 XPPernyataan Pencapaian
Buat Akun Gratis Anda
Lanjutkan dengan GoogleTampilkan opsi lainnyaatau
Dengan melanjutkan, Anda menerima Ketentuan Penggunaan kami, Kebijakan Privasi kami dan bahwa data Anda disimpan di Amerika Serikat.
Dipercaya oleh para pelajar di ribuan perusahaan
Melatih Tim?
Coba untuk BisnisDeskripsi Kursus
Mempersiapkan Data untuk Pelatihan Terdistribusi
Anda akan memulai dengan menyiapkan data untuk pelatihan terdistribusi dengan membagi dataset ke beberapa perangkat dan menerapkan salinan model ke setiap perangkat. Anda akan mendapatkan pengalaman langsung dalam melakukan preprocessing data untuk lingkungan terdistribusi, termasuk gambar, audio, dan teks.Menjelajahi Teknik Efisiensi
Setelah data Anda siap, Anda akan menjelajahi cara-cara untuk meningkatkan efisiensi dalam pelatihan dan penggunaan optimizer di berbagai antarmuka. Anda akan melihat cara mengatasi tantangan ini dengan meningkatkan penggunaan memori, komunikasi perangkat, dan efisiensi komputasi melalui teknik seperti gradient accumulation, gradient checkpointing, local stochastic gradient descent, dan mixed precision training. Anda akan memahami trade-off antara berbagai optimizer untuk membantu Anda mengurangi jejak memori model Anda. Di akhir kursus ini, Anda akan dibekali dengan pengetahuan dan alat untuk membangun layanan terdistribusi bertenaga AI.Persyaratan
Intermediate Deep Learning with PyTorchWorking with Hugging Face1
Persiapan Data dengan Accelerator
Anda akan menyiapkan data untuk pelatihan terdistribusi dengan membagi data ke beberapa perangkat dan menyalin model pada setiap perangkat. Accelerator menyediakan antarmuka yang praktis untuk persiapan data, dan Anda akan mempelajari cara memproses awal gambar, audio, dan teks sebagai langkah pertama dalam pelatihan terdistribusi.
2
Pelatihan Terdistribusi dengan Accelerator dan Trainer
Dalam pelatihan terdistribusi, setiap perangkat melatih model pada datanya masing-masing secara paralel. Anda akan menyelidiki dua metode untuk pelatihan terdistribusi: Accelerator memungkinkan loop pelatihan kustom, dan Trainer menyederhanakan antarmuka untuk pelatihan.
3
Meningkatkan Efisiensi Pelatihan
Pelatihan terdistribusi membebani sumber daya saat menggunakan model dan himpunan data yang besar, tetapi Anda dapat mengatasinya dengan meningkatkan penggunaan memori, komunikasi antarperangkat, dan efisiensi komputasi. Anda akan mempelajari teknik gradient accumulation, gradient checkpointing, local stochastic gradient descent, dan mixed precision training.
4
Pelatihan dengan Optimizer yang Efisien
Anda akan berfokus pada optimizer sebagai tuas untuk meningkatkan efisiensi pelatihan terdistribusi, dengan menyoroti pertukaran (trade-off) antara AdamW, Adafactor, dan 8-bit Adam. Mengurangi jumlah parameter atau menggunakan presisi rendah membantu menurunkan jejak memori model.
Pelatihan Model AI Efisien dengan PyTorch
Kursus Selesai
Memperoleh Surat Keterangan Prestasi
Tambahkan kredensial ini ke profil LinkedIn, resume, atau CV AndaBagikan di media sosial dan dalam penilaian kinerja AndaDaftar sekarang
Bergabung dengan 19 juta pelajar dan mulai Pelatihan Model AI Efisien dengan PyTorch Hari Ini!
Buat Akun Gratis Anda
Lanjutkan dengan GoogleTampilkan opsi lainnyaatau
Dengan melanjutkan, Anda menerima Ketentuan Penggunaan kami, Kebijakan Privasi kami dan bahwa data Anda disimpan di Amerika Serikat.
Kembangkan keterampilan data Anda dengan DataCamp untuk Mobile
Buat kemajuan di mana saja dengan kursus mobile kami dan tantangan coding harian 5 menit.