가리키는 글의 최근 바뀜
IT 위키
← 파이프드림
해당 문서에 연결된 문서의 변경사항을 확인하려면 문서 이름을 입력하십시오. (분류에 들어있는 문서를 보려면 분류:분류명으로 입력하십시오). 내 주시문서 목록에 있는 문서의 변경사항은 굵게 나타납니다.
약어 목록:
- 새글
- 새 문서 (새 문서 목록도 보세요)
- 잔글
- 사소한 편집
- 봇
- 봇이 수행한 편집
- (±123)
- 바이트 수로 표현한 문서 크기의 차이
2025년 11월 13일 (목)
| 새글 06:30 | GPipe 차이역사 +4,637 인공무능 토론 기여 (새 문서: 섬네일|Bubble을 줄이는 것을 목표로 한다. GPipe(지파이프, 영어: GPipe)는 대규모 신경망 모델을 여러 장치에 나누어 학습시키기 위해 제안된 파이프라인 병렬(pipeline parallelism) 기법으로, 마이크로배치를 활용해 파이프라인의 유휴 시간(bubble)을 줄이고 장치 활용률을 높이는 것을 목표로 한다. ==개요== GPipe는 모델을 여러 스테이지(stage)로 분...) | ||||
|
|
06:25 | (올리기 기록) [인공무능 (2×)] | |||
|
|
06:25 인공무능 토론 기여님이 파일:파이프드림 사용 시 학습 과정.png 파일을 올렸습니다 | ||||
|
|
06:24 인공무능 토론 기여님이 파일:멀티 코어 학습 순서.png 파일을 올렸습니다 | ||||
|
|
새글 06:04 | 신경망 분산 학습 2개 바뀜 역사 +8,102 [인공무능 (2×)] | |||
|
|
06:04 (최신 | 이전) +70 인공무능 토론 기여 태그: 시각 편집 | ||||
| 새글 |
|
06:02 (최신 | 이전) +8,032 인공무능 토론 기여 (새 문서: 신경망 분산 학습(영어: distributed training of neural networks)은 인공신경망 모델을 여러 컴퓨팅 노드(예: GPU, 서버)에 분산시켜 동시에 학습함으로써 학습 속도를 높이고 더 큰 모델과 데이터셋을 다루기 위한 기술이다. ==개요== 신경망 분산 학습은 단일 장치의 메모리와 연산 능력으로 처리하기 어려운 대규모 데이터셋과 딥러닝 모델을 효율적으로 학습하기 위해 등장하...) 태그: 시각 편집 | |||
