[TensorFlow分散学習] Horovodによる分散学習の実装方法と解説

お知らせ connpassではさらなる価値のあるデータを提供するため、2024年5月23日(木)を以ちましてイベントサーチAPIの無料での提供の廃止を決定いたしました。
2024年5月23日(木)以降より開始予定の「connpass 有料API」の料金プランにつきましてはこちらをご覧ください。

お知らせ connpassをご利用いただく全ユーザーにおいて健全で円滑なイベントの開催や参加いただけるよう、イベント参加者向け・イベント管理者向けのガイドラインページを公開しました。内容をご理解の上、イベント内での違反行為に対応する参考としていただきますようお願いいたします。

6月

13
[TensorFlow分散学習] Horovodによる分散学習の実装方法と解説
Uber発の分散学習FWであるHorovodを使って分散学習を簡単に実装してみよう！

募集内容	一般無料先着順 24/30人
申込者	申込者一覧を見る
開催日時	2018/06/13(水) 19:00 ～ 20:00 Googleカレンダー icsファイル
募集期間	2018/05/23(水) 11:04 〜 2018/06/13(水) 20:00まで
会場	LeapMind株式会社オフィス東京都渋谷区円山町28-1 (渋谷道玄坂スカイビル 5F) マップで見る

イベントの説明

イベント概要

Uberが開発しているTensorFlow用分散学習フレームワークであるHorovodについて、その設計思想、アーキテクチャおよび実装方法について解説します。
Horovodの大きな特徴として、通常の1GPUを用いたTrainingで使用しているコードを少し変更するだけで、簡単に複数GPUを用いた分散学習が実装できるという点が挙げられます。
本イベントでは、実際のコードを用いながら、必要な変更部分を具体的に示して説明を行いますので、独自の学習コードに対して簡単に分散学習の実装をしたいと考えている方の参考になるような内容構成にしています。
Deep Learningにおける分散学習とは？といったところやTensorflow公式の分散学習実装であるDistributed Tensorflowとの比較も交えながら説明していきます。

発表者

Hideaki Masuda (hadusam)
LeapMind Inc. Infrastructure Division Leader
組込みDeep Learningモデル構築サービス「DeLTA-Lite」の開発やLeapMind社内のDeep Learning研究環境の開発を担当。Deep Learningの性能改善、運用効率化のために分散学習基盤の導入やボトルネック分析などもしています。