Corso
Efficient AI Model Training with PyTorch
AvanzatoLivello di competenza
Aggiornato 05/2026
PythonArtificial Intelligence4 h13 video45 Esercizi3,850 XPAttestato di conseguimento
Crea il tuo account gratuito
Continua con GoogleMostra più opzionio
Continuando, accetti i nostri Termini di utilizzo, la nostra Informativa sulla privacy e che i tuoi dati siano conservati negli Stati Uniti.
Preferito dagli studenti di migliaia di aziende
Formare un team?
Prova per il BusinessDescrizione del corso
Preparazione dei dati per l'addestramento distribuito
Inizierai preparando i dati per l'addestramento distribuito, suddividendo i dataset su più dispositivi e distribuendo copie del modello su ciascun dispositivo. Acquisirai esperienza pratica nella pre-elaborazione dei dati per ambienti distribuiti, inclusi immagini, audio e testo.Esplorare le tecniche di efficienza
Una volta che i tuoi dati sono pronti, esplorerai modi per migliorare l'efficienza nell'addestramento e nell'uso degli optimizer su più interfacce. Vedrai come affrontare queste sfide migliorando l’uso della memoria, la comunicazione tra dispositivi e l’efficienza computazionale con tecniche come gradient accumulation, gradient checkpointing, local stochastic gradient descent e mixed precision training. Capirai i compromessi tra diversi ottimizzatori per aiutarti a ridurre l’ingombro di memoria del tuo modello. Alla fine di questo corso, avrai le conoscenze e gli strumenti per creare servizi distribuiti basati sull'IA.Prerequisiti
Intermediate Deep Learning with PyTorchWorking with Hugging Face1
Preparazione dei dati con Accelerator
Preparerai i dati per il training distribuito suddividendoli tra più dispositivi e copiando il modello su ciascuno di essi. Accelerator offre un'interfaccia comoda per la preparazione dei dati e imparerai a preprocessare immagini, audio e testo come primo passo del training distribuito.
2
Training distribuito con Accelerator e Trainer
Nel training distribuito, ogni dispositivo addestra in parallelo sui propri dati. Esaminerai due metodi per il training distribuito: Accelerator abilita cicli di training personalizzati, mentre Trainer semplifica l'interfaccia per l'addestramento.
3
Migliorare l'efficienza del training
Il training distribuito mette sotto pressione le risorse con modelli e insiemi di dati di grandi dimensioni, ma puoi affrontare queste sfide migliorando l'uso della memoria, la comunicazione tra dispositivi e l'efficienza computazionale. Scoprirai le tecniche di accumulo del gradiente, gradient checkpointing, local stochastic gradient descent e training a precisione mista.
4
Training con ottimizzatori efficienti
Ti concentrerai sugli ottimizzatori come leve per migliorare l'efficienza del training distribuito, evidenziando i compromessi tra AdamW, Adafactor e Adam a 8 bit. Ridurre il numero di parametri o usare basse precisioni aiuta a diminuire l'impronta di memoria di un modello.
Efficient AI Model Training with PyTorch
Corso completato
Ottieni Attestato di conseguimento
Aggiungi questa certificazione al tuo profilo LinkedIn, al curriculum o al CVCondividila sui social e nella valutazione delle tue performanceIscriviti ora
Unisciti a oltre 19 milioni di studenti e inizia Efficient AI Model Training with PyTorch oggi!
Crea il tuo account gratuito
Continua con GoogleMostra più opzionio
Continuando, accetti i nostri Termini di utilizzo, la nostra Informativa sulla privacy e che i tuoi dati siano conservati negli Stati Uniti.
Aumenta le tue competenze sui dati con l'app di DataCamp
Avanza ovunque ti trovi con i nostri corsi per dispositivi mobili e le nostre sfide di programmazione quotidiane da 5 minuti.