回答情况：
提问时间：
问题标签：
我有一个PyTorch实例分割模型，它一个接一个地预测图像的掩模。有没有办法将这个任务并行化，这样它就可以更快地完成。
浏览 21提问于2019-11-13得票数 1
我一直在阅读不同的自然语言处理模型，如word2vec和GloVe，以及如何将这些模型并行化，因为它们大多只是点积。然而，我对此有点困惑，因为计算梯度和更新模型依赖于参数/向量的当前值。这是如何以并行/异步方式完成的？如何知道何时使用每个线程随机计算的梯度更新全局参数？
浏览 0提问于2021-02-20得票数 1
我的目标是在应用于dredge()模型时尽可能加快glmmTMB()函数的速度。我知道这两个函数都可以并行化：glmmTMB()与control参数，dredge()与cluster参数。我的问题是:为了获得最大的速度，我能同时并行化模型拟合和疏浚吗？换句话说，我可以将/stack/相加并行化glmmTMB()和dredge()的速度优势结合起来吗？我有统计学和R编程的背景，但是并行化是我刚刚开始
浏览 13提问于2022-10-27得票数 1
回答已采纳
这是一个关于学习多个模型的的后续。因此，由于建模是一个令人尴尬的并行任务，我想知道dplyr、purrr是否有一种很容易使用的并行化机制(比如并行map)。如果这些库不提供简单的并行化，是否可以使用经典的R并行化库(parallel、foreac
浏览 2修改于2018-05-23得票数 16
回答已采纳
我正在尝试读取使用ProtoBuf.NET使用.NET任务序列化的多个文件，如：我尝试过多个RuntimeTypeModel实例以及一个实例，它似乎总是在非常“低”的CPU使用率水平上达到峰值。
浏览 3提问于2011-10-25得票数 3
回答已采纳
我正在尝试构建自动编码器模型，其中输入/输出是RGB图像，大小为256 x 256。我试着用12 GB的内存在1GPU上训练模型，但我总是抓到CUDA OOM (我尝试了不同的批次大小，甚至1的批处理大小也失败了)。因此，我读到了Pytorch中的模型并行性，并尝试了这样的方法： def __init__(self, input_output_size
浏览 1修改于2021-10-14得票数 0
回答已采纳
我试图重构一些用于拟合参数模型的代码，这些模型是用Theano象征性地定义的。我的目标是让所有的模型都公开一个通用的接口，这样，它们就可以尽可能地互相替代。为此，我尝试将每个模型封装在一个单独的类中。一个关键的要求是，我能够使用multiprocessing将相同的模型并行化到多个数据集(我使用的是joblib包装器)。我发现为了能够并行化拟合，Theano函数必须是类的属性，而不是实例的属性。否则(即，如果我在类的__init__(
浏览 0修改于2014-08-19得票数 12
我有一个Python脚本，对二维格子的伊辛模型进行蒙特卡罗模拟。MC模拟是令人尴尬的并行，每个温度的采样可以分配到不同的线程。我想为此使用多处理模块，但是这个包是新的。我该怎么做？
浏览 3提问于2017-09-27得票数 3
回答已采纳
我试图使用model.predict命令并行地执行模型预测，该命令由python2中的keras提供。对于python2，我使用tensorflow 1.14.0。我有5个模型(.h5)文件，并且希望parallel.This中运行的predict命令在python2.7中运行。我使用多处理池将模型文件名与多个进程的预测函数进行映射，如下所示，import numpy as npfrom multiprocessing与每次为每个输入加载模
浏览 13修改于2020-04-01得票数 3
回答已采纳
我在Spark集群上使用h2o模型( mojo格式)时遇到了问题，但只有当我尝试并行运行它时，而不是当我使用collect并在驱动程序上运行它时。= null) { rd.put(k, v.toString) } }}val mojolabel } .toDF("id", &
浏览 1提问于2018-01-03得票数 0
所以，我所知道的助推技术，比如我们训练数据，更新错误预测值的权重，或者在下一个模型中尽量减少损失。基本上，这是一个连续的过程，我们把一个模型的输出提供给另一个模型。在XGBoost中，有人说模型是通过数据并行化或模型并行化来并行执行的，所以我无法理解如果是这样的话，如果第一个模型或者弱学习者在不同的节点上并行运行，那么我们是如何从第一个模型或弱学习者中进食的，这与
浏览 0提问于2021-10-19得票数 0
在使用插入符号时，我想并行化xgboost的模型拟合过程。从我在xgboost的中看到的情况来看，nthread参数在拟合模型时控制要使用的线程数，也就是说，以并行的方式构建树。卡雷特的train函数将执行并行化，例如，为k折叠CV中的每一次迭代运行一个进程。registerDoMC函数)，通过插入符号的train函数设置nthread=1，以便将该参数传递给xgboost，在trainControl中设置allowParallel=TRUE，并让caret处理交叉验证
浏览 4修改于2016-09-23得票数 12
回答已采纳
我想使用scikit-learn并行化我的模型构建过程。我想知道将外循环和内循环都并行化是否有意义(即同时为GridSearchCV和cross_validate设置n_jobs = -1 )？
浏览 0修改于2019-07-04得票数 2
我在一个多核服务器上使用scikit-learn的来适应大型数据集，所以我利用它的并行化特性设置了n_jobs = -1。同时，我希望执行交叉验证(使用)，并利用其并行化特性(同样，通过设置n_jobs = -1)。
我的问题是，使用这两种类型的并行化是否会显著提高模型构建的速度，而不是只使用一种类型的并行化。如果后者是正确的，那么我不确定我应该选择哪种类型的并行化。对于如何使这两种类型的并
浏览 6提问于2015-04-27得票数 2
回答已采纳
Pyspark提供了一个很大的可能性，可以通过将模型的交叉验证并行化，简单地用我如何才能实现类似的功能，斯派克的ScalaCrossValidator，即并行化每一个折叠？
浏览 1修改于2017-01-05得票数 3
回答已采纳
我的主管认为我也需要通过在CUDA中并行化来优化ML。然而，在我看来，一个模型是一次培训，没有必要再进行培训。测试模型也不费时。我的兴趣是ML，而不是并行处理。( 1)我是否应该花大量时间与数据自动化系统并行？
3)在研究之外的世界里，这会不会使获得一份ML工作更容易呢？
浏览 0提问于2018-01-31得票数 1
回答已采纳
我正在尝试“并行化”神经网络模型，以加快训练速度。我的一个想法是在两台计算机上运行两个模型，并以某种方式将结果组合在一起。
这个是可能的吗？如果不是，在两台计算机上并行模型训练的选项是什么？
浏览 1提问于2017-09-10得票数 3
算法骨架，或并行模式，是用于编程的模型，它们对使用它们的程序员隐藏了对给定程序进行并行化的部分或全部复杂性。一般来说，我希望深入研究这些编程模型，并想知道是否有任何我应该首先查看的好的介绍或概述文本/论文。
浏览 0提问于2010-12-03得票数 1
回答已采纳
我正在寻找有关在Spark1.6ML库中实现并行LBFGS和OWLQN算法的文档。我为1.6：找到了这个页面，但没有任何关于并行化的内容最后，我阅读了代码link1。该方法似乎使用Breeze优化模型，但我找不到火花函数的调用位置(map、flatMap、
浏览 2提问于2016-08-01得票数 2
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号