Durch die Teilnahme an diesem Workshop werden Sie:\n<\/p>\n
Erfahrung mit Deep Learning Training mit Python<\/p>","outline":"
Einführung<\/strong>\n<\/p>\n\nTreffen Sie den Ausbilder.<\/li>Erstellen Sie ein Konto unter courses.nvidia.com\/join<\/li><\/ul>Stochastischer Gradientenabstieg und die Auswirkungen der Chargengrösse<\/strong>\n<\/p>\n\nLernen Sie die Bedeutung des stochastischen Gradientenabstiegs beim Training auf mehreren GPUs kennen<\/li>Verstehen Sie die Probleme der sequentiellen Single-Thread-Datenverarbeitung und die Theorie der Beschleunigung von Anwendungen durch parallele Verarbeitung.<\/li>Verstehen der Verlustfunktion, des Gradientenabstiegs und des stochastischen Gradientenabstiegs (SGD).<\/li>Verstehen der Auswirkungen der Stapelgrösse auf die Genauigkeit und die Trainingszeit im Hinblick auf die Verwendung auf Multi-GPU-Systemen.<\/li><\/ul>Training auf mehreren GPUs mit PyTorch Distributed Data Parallel (DDP)<\/strong>\n<\/p>\n\nLernen Sie, wie man mit PyTorch Distributed Data Parallel ein GPU-Training auf mehrere GPUs überträgt.<\/li>Verstehen, wie DDP das Training zwischen mehreren GPUs koordiniert.<\/li>Refaktorieren Sie Trainingsprogramme für eine einzelne GPU, damit sie mit DDP auf mehreren GPUs laufen.<\/li><\/ul>Beibehaltung der Modellgenauigkeit bei Skalierung auf mehrere GPUs<\/strong>\n<\/p>\n\nVerstehen und Anwenden wichtiger algorithmischer Überlegungen, um die Genauigkeit beim Training auf mehreren GPUs zu erhalten<\/li>Verstehen, warum die Genauigkeit bei der Parallelisierung des Trainings auf mehreren GPUs abnehmen kann.<\/li>Erlernen und Verstehen von Techniken zur Aufrechterhaltung der Genauigkeit bei der Skalierung des Trainings auf mehrere GPUs.<\/li><\/ul>Workshop Bewertung<\/strong>\n<\/p>\n\nNutzen Sie, was Sie während des Workshops gelernt haben: füllen Sie die Workshop-Bewertung aus, um ein Kompetenzzertifikat zu erhalten<\/li><\/ul>Abschlussbericht<\/strong>\n<\/p>\n\nBesprechung der wichtigsten Erkenntnisse und abschliessende Fragen.<\/li>Nehmen Sie an der Workshop-Umfrage teil.<\/li><\/ul>","comments":"Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <\/use><\/svg>hier<\/a><\/span>.<\/em><\/p>","summary":"In diesem Workshop lernen Sie Techniken für datenparalleles Deep-Learning-Training auf mehreren GPUs kennen, um die Trainingszeit für datenintensive Anwendungen zu verkürzen. Sie arbeiten mit Deep-Learning-Tools, -Frameworks und -Workflows für das Training neuronaler Netze und lernen, wie Sie die Trainingszeit für Modelle durch die Verteilung von Daten auf mehrere GPUs verkürzen und gleichzeitig die Genauigkeit des Trainings auf einer einzigen GPU beibehalten können.<\/p>\nBitte beachten Sie, dass eine einmal bestätigte Buchung nicht mehr rückerstattet werden kann. Das bedeutet, dass Sie Ihren Platz für eine Veranstaltung nach der Bestätigung nicht mehr stornieren können und keine Rückerstattung erfolgt, unabhängig von der Teilnahme an der Veranstaltung.<\/em><\/p>","objective_plain":"Durch die Teilnahme an diesem Workshop werden Sie:\n\n\n\n- Verstehen, wie datenparalleles Deep Learning-Training mit mehreren GPUs durchgef\u00fchrt wird\n- Maximaler Durchsatz beim Training, um mehrere GPUs optimal nutzen zu k\u00f6nnen\n- Verteilen Sie das Training auf mehrere GPUs mit Pytorch Distributed Data Parallel\n- Algorithmische \u00dcberlegungen zur Multi-GPU-Trainingsleistung und -genauigkeit verstehen und anwenden","essentials_plain":"Erfahrung mit Deep Learning Training mit Python","outline_plain":"Einf\u00fchrung\n\n\n\n- Treffen Sie den Ausbilder.\n- Erstellen Sie ein Konto unter courses.nvidia.com\/join\nStochastischer Gradientenabstieg und die Auswirkungen der Chargengr\u00f6sse\n\n\n\n- Lernen Sie die Bedeutung des stochastischen Gradientenabstiegs beim Training auf mehreren GPUs kennen\n- Verstehen Sie die Probleme der sequentiellen Single-Thread-Datenverarbeitung und die Theorie der Beschleunigung von Anwendungen durch parallele Verarbeitung.\n- Verstehen der Verlustfunktion, des Gradientenabstiegs und des stochastischen Gradientenabstiegs (SGD).\n- Verstehen der Auswirkungen der Stapelgr\u00f6sse auf die Genauigkeit und die Trainingszeit im Hinblick auf die Verwendung auf Multi-GPU-Systemen.\nTraining auf mehreren GPUs mit PyTorch Distributed Data Parallel (DDP)\n\n\n\n- Lernen Sie, wie man mit PyTorch Distributed Data Parallel ein GPU-Training auf mehrere GPUs \u00fcbertr\u00e4gt.\n- Verstehen, wie DDP das Training zwischen mehreren GPUs koordiniert.\n- Refaktorieren Sie Trainingsprogramme f\u00fcr eine einzelne GPU, damit sie mit DDP auf mehreren GPUs laufen.\nBeibehaltung der Modellgenauigkeit bei Skalierung auf mehrere GPUs\n\n\n\n- Verstehen und Anwenden wichtiger algorithmischer \u00dcberlegungen, um die Genauigkeit beim Training auf mehreren GPUs zu erhalten\n- Verstehen, warum die Genauigkeit bei der Parallelisierung des Trainings auf mehreren GPUs abnehmen kann.\n- Erlernen und Verstehen von Techniken zur Aufrechterhaltung der Genauigkeit bei der Skalierung des Trainings auf mehrere GPUs.\nWorkshop Bewertung\n\n\n\n- Nutzen Sie, was Sie w\u00e4hrend des Workshops gelernt haben: f\u00fcllen Sie die Workshop-Bewertung aus, um ein Kompetenzzertifikat zu erhalten\nAbschlussbericht\n\n\n\n- Besprechung der wichtigsten Erkenntnisse und abschliessende Fragen.\n- Nehmen Sie an der Workshop-Umfrage teil.","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"In diesem Workshop lernen Sie Techniken f\u00fcr datenparalleles Deep-Learning-Training auf mehreren GPUs kennen, um die Trainingszeit f\u00fcr datenintensive Anwendungen zu verk\u00fcrzen. Sie arbeiten mit Deep-Learning-Tools, -Frameworks und -Workflows f\u00fcr das Training neuronaler Netze und lernen, wie Sie die Trainingszeit f\u00fcr Modelle durch die Verteilung von Daten auf mehrere GPUs verk\u00fcrzen und gleichzeitig die Genauigkeit des Trainings auf einer einzigen GPU beibehalten k\u00f6nnen.\n\nBitte beachten Sie, dass eine einmal best\u00e4tigte Buchung nicht mehr r\u00fcckerstattet werden kann. Das bedeutet, dass Sie Ihren Platz f\u00fcr eine Veranstaltung nach der Best\u00e4tigung nicht mehr stornieren k\u00f6nnen und keine R\u00fcckerstattung erfolgt, unabh\u00e4ngig von der Teilnahme an der Veranstaltung.","skill_level":"Beginner","version":"1.0","duration":{"unit":"d","value":1,"formatted":"1 Tag"},"pricelist":{"List Price":{"US":{"country":"US","currency":"USD","taxrate":null,"price":500},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":500},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":500},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":500},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":500},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":420},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":500},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":690}}},"lastchanged":"2025-07-29T12:18:27+02:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/34496","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/nvidia-dphtdlm"}}
Stochastischer Gradientenabstieg und die Auswirkungen der Chargengrösse<\/strong>\n<\/p>\n\nLernen Sie die Bedeutung des stochastischen Gradientenabstiegs beim Training auf mehreren GPUs kennen<\/li>Verstehen Sie die Probleme der sequentiellen Single-Thread-Datenverarbeitung und die Theorie der Beschleunigung von Anwendungen durch parallele Verarbeitung.<\/li>Verstehen der Verlustfunktion, des Gradientenabstiegs und des stochastischen Gradientenabstiegs (SGD).<\/li>Verstehen der Auswirkungen der Stapelgrösse auf die Genauigkeit und die Trainingszeit im Hinblick auf die Verwendung auf Multi-GPU-Systemen.<\/li><\/ul>Training auf mehreren GPUs mit PyTorch Distributed Data Parallel (DDP)<\/strong>\n<\/p>\n\nLernen Sie, wie man mit PyTorch Distributed Data Parallel ein GPU-Training auf mehrere GPUs überträgt.<\/li>Verstehen, wie DDP das Training zwischen mehreren GPUs koordiniert.<\/li>Refaktorieren Sie Trainingsprogramme für eine einzelne GPU, damit sie mit DDP auf mehreren GPUs laufen.<\/li><\/ul>Beibehaltung der Modellgenauigkeit bei Skalierung auf mehrere GPUs<\/strong>\n<\/p>\n\nVerstehen und Anwenden wichtiger algorithmischer Überlegungen, um die Genauigkeit beim Training auf mehreren GPUs zu erhalten<\/li>Verstehen, warum die Genauigkeit bei der Parallelisierung des Trainings auf mehreren GPUs abnehmen kann.<\/li>Erlernen und Verstehen von Techniken zur Aufrechterhaltung der Genauigkeit bei der Skalierung des Trainings auf mehrere GPUs.<\/li><\/ul>Workshop Bewertung<\/strong>\n<\/p>\n\nNutzen Sie, was Sie während des Workshops gelernt haben: füllen Sie die Workshop-Bewertung aus, um ein Kompetenzzertifikat zu erhalten<\/li><\/ul>Abschlussbericht<\/strong>\n<\/p>\n\nBesprechung der wichtigsten Erkenntnisse und abschliessende Fragen.<\/li>Nehmen Sie an der Workshop-Umfrage teil.<\/li><\/ul>","comments":"Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <\/use><\/svg>hier<\/a><\/span>.<\/em><\/p>","summary":"In diesem Workshop lernen Sie Techniken für datenparalleles Deep-Learning-Training auf mehreren GPUs kennen, um die Trainingszeit für datenintensive Anwendungen zu verkürzen. Sie arbeiten mit Deep-Learning-Tools, -Frameworks und -Workflows für das Training neuronaler Netze und lernen, wie Sie die Trainingszeit für Modelle durch die Verteilung von Daten auf mehrere GPUs verkürzen und gleichzeitig die Genauigkeit des Trainings auf einer einzigen GPU beibehalten können.<\/p>\nBitte beachten Sie, dass eine einmal bestätigte Buchung nicht mehr rückerstattet werden kann. Das bedeutet, dass Sie Ihren Platz für eine Veranstaltung nach der Bestätigung nicht mehr stornieren können und keine Rückerstattung erfolgt, unabhängig von der Teilnahme an der Veranstaltung.<\/em><\/p>","objective_plain":"Durch die Teilnahme an diesem Workshop werden Sie:\n\n\n\n- Verstehen, wie datenparalleles Deep Learning-Training mit mehreren GPUs durchgef\u00fchrt wird\n- Maximaler Durchsatz beim Training, um mehrere GPUs optimal nutzen zu k\u00f6nnen\n- Verteilen Sie das Training auf mehrere GPUs mit Pytorch Distributed Data Parallel\n- Algorithmische \u00dcberlegungen zur Multi-GPU-Trainingsleistung und -genauigkeit verstehen und anwenden","essentials_plain":"Erfahrung mit Deep Learning Training mit Python","outline_plain":"Einf\u00fchrung\n\n\n\n- Treffen Sie den Ausbilder.\n- Erstellen Sie ein Konto unter courses.nvidia.com\/join\nStochastischer Gradientenabstieg und die Auswirkungen der Chargengr\u00f6sse\n\n\n\n- Lernen Sie die Bedeutung des stochastischen Gradientenabstiegs beim Training auf mehreren GPUs kennen\n- Verstehen Sie die Probleme der sequentiellen Single-Thread-Datenverarbeitung und die Theorie der Beschleunigung von Anwendungen durch parallele Verarbeitung.\n- Verstehen der Verlustfunktion, des Gradientenabstiegs und des stochastischen Gradientenabstiegs (SGD).\n- Verstehen der Auswirkungen der Stapelgr\u00f6sse auf die Genauigkeit und die Trainingszeit im Hinblick auf die Verwendung auf Multi-GPU-Systemen.\nTraining auf mehreren GPUs mit PyTorch Distributed Data Parallel (DDP)\n\n\n\n- Lernen Sie, wie man mit PyTorch Distributed Data Parallel ein GPU-Training auf mehrere GPUs \u00fcbertr\u00e4gt.\n- Verstehen, wie DDP das Training zwischen mehreren GPUs koordiniert.\n- Refaktorieren Sie Trainingsprogramme f\u00fcr eine einzelne GPU, damit sie mit DDP auf mehreren GPUs laufen.\nBeibehaltung der Modellgenauigkeit bei Skalierung auf mehrere GPUs\n\n\n\n- Verstehen und Anwenden wichtiger algorithmischer \u00dcberlegungen, um die Genauigkeit beim Training auf mehreren GPUs zu erhalten\n- Verstehen, warum die Genauigkeit bei der Parallelisierung des Trainings auf mehreren GPUs abnehmen kann.\n- Erlernen und Verstehen von Techniken zur Aufrechterhaltung der Genauigkeit bei der Skalierung des Trainings auf mehrere GPUs.\nWorkshop Bewertung\n\n\n\n- Nutzen Sie, was Sie w\u00e4hrend des Workshops gelernt haben: f\u00fcllen Sie die Workshop-Bewertung aus, um ein Kompetenzzertifikat zu erhalten\nAbschlussbericht\n\n\n\n- Besprechung der wichtigsten Erkenntnisse und abschliessende Fragen.\n- Nehmen Sie an der Workshop-Umfrage teil.","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"In diesem Workshop lernen Sie Techniken f\u00fcr datenparalleles Deep-Learning-Training auf mehreren GPUs kennen, um die Trainingszeit f\u00fcr datenintensive Anwendungen zu verk\u00fcrzen. Sie arbeiten mit Deep-Learning-Tools, -Frameworks und -Workflows f\u00fcr das Training neuronaler Netze und lernen, wie Sie die Trainingszeit f\u00fcr Modelle durch die Verteilung von Daten auf mehrere GPUs verk\u00fcrzen und gleichzeitig die Genauigkeit des Trainings auf einer einzigen GPU beibehalten k\u00f6nnen.\n\nBitte beachten Sie, dass eine einmal best\u00e4tigte Buchung nicht mehr r\u00fcckerstattet werden kann. Das bedeutet, dass Sie Ihren Platz f\u00fcr eine Veranstaltung nach der Best\u00e4tigung nicht mehr stornieren k\u00f6nnen und keine R\u00fcckerstattung erfolgt, unabh\u00e4ngig von der Teilnahme an der Veranstaltung.","skill_level":"Beginner","version":"1.0","duration":{"unit":"d","value":1,"formatted":"1 Tag"},"pricelist":{"List Price":{"US":{"country":"US","currency":"USD","taxrate":null,"price":500},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":500},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":500},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":500},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":500},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":420},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":500},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":690}}},"lastchanged":"2025-07-29T12:18:27+02:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/34496","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/nvidia-dphtdlm"}}
Training auf mehreren GPUs mit PyTorch Distributed Data Parallel (DDP)<\/strong>\n<\/p>\n\nLernen Sie, wie man mit PyTorch Distributed Data Parallel ein GPU-Training auf mehrere GPUs überträgt.<\/li>Verstehen, wie DDP das Training zwischen mehreren GPUs koordiniert.<\/li>Refaktorieren Sie Trainingsprogramme für eine einzelne GPU, damit sie mit DDP auf mehreren GPUs laufen.<\/li><\/ul>Beibehaltung der Modellgenauigkeit bei Skalierung auf mehrere GPUs<\/strong>\n<\/p>\n\nVerstehen und Anwenden wichtiger algorithmischer Überlegungen, um die Genauigkeit beim Training auf mehreren GPUs zu erhalten<\/li>Verstehen, warum die Genauigkeit bei der Parallelisierung des Trainings auf mehreren GPUs abnehmen kann.<\/li>Erlernen und Verstehen von Techniken zur Aufrechterhaltung der Genauigkeit bei der Skalierung des Trainings auf mehrere GPUs.<\/li><\/ul>Workshop Bewertung<\/strong>\n<\/p>\n\nNutzen Sie, was Sie während des Workshops gelernt haben: füllen Sie die Workshop-Bewertung aus, um ein Kompetenzzertifikat zu erhalten<\/li><\/ul>Abschlussbericht<\/strong>\n<\/p>\n\nBesprechung der wichtigsten Erkenntnisse und abschliessende Fragen.<\/li>Nehmen Sie an der Workshop-Umfrage teil.<\/li><\/ul>","comments":"Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <\/use><\/svg>hier<\/a><\/span>.<\/em><\/p>","summary":"In diesem Workshop lernen Sie Techniken für datenparalleles Deep-Learning-Training auf mehreren GPUs kennen, um die Trainingszeit für datenintensive Anwendungen zu verkürzen. Sie arbeiten mit Deep-Learning-Tools, -Frameworks und -Workflows für das Training neuronaler Netze und lernen, wie Sie die Trainingszeit für Modelle durch die Verteilung von Daten auf mehrere GPUs verkürzen und gleichzeitig die Genauigkeit des Trainings auf einer einzigen GPU beibehalten können.<\/p>\nBitte beachten Sie, dass eine einmal bestätigte Buchung nicht mehr rückerstattet werden kann. Das bedeutet, dass Sie Ihren Platz für eine Veranstaltung nach der Bestätigung nicht mehr stornieren können und keine Rückerstattung erfolgt, unabhängig von der Teilnahme an der Veranstaltung.<\/em><\/p>","objective_plain":"Durch die Teilnahme an diesem Workshop werden Sie:\n\n\n\n- Verstehen, wie datenparalleles Deep Learning-Training mit mehreren GPUs durchgef\u00fchrt wird\n- Maximaler Durchsatz beim Training, um mehrere GPUs optimal nutzen zu k\u00f6nnen\n- Verteilen Sie das Training auf mehrere GPUs mit Pytorch Distributed Data Parallel\n- Algorithmische \u00dcberlegungen zur Multi-GPU-Trainingsleistung und -genauigkeit verstehen und anwenden","essentials_plain":"Erfahrung mit Deep Learning Training mit Python","outline_plain":"Einf\u00fchrung\n\n\n\n- Treffen Sie den Ausbilder.\n- Erstellen Sie ein Konto unter courses.nvidia.com\/join\nStochastischer Gradientenabstieg und die Auswirkungen der Chargengr\u00f6sse\n\n\n\n- Lernen Sie die Bedeutung des stochastischen Gradientenabstiegs beim Training auf mehreren GPUs kennen\n- Verstehen Sie die Probleme der sequentiellen Single-Thread-Datenverarbeitung und die Theorie der Beschleunigung von Anwendungen durch parallele Verarbeitung.\n- Verstehen der Verlustfunktion, des Gradientenabstiegs und des stochastischen Gradientenabstiegs (SGD).\n- Verstehen der Auswirkungen der Stapelgr\u00f6sse auf die Genauigkeit und die Trainingszeit im Hinblick auf die Verwendung auf Multi-GPU-Systemen.\nTraining auf mehreren GPUs mit PyTorch Distributed Data Parallel (DDP)\n\n\n\n- Lernen Sie, wie man mit PyTorch Distributed Data Parallel ein GPU-Training auf mehrere GPUs \u00fcbertr\u00e4gt.\n- Verstehen, wie DDP das Training zwischen mehreren GPUs koordiniert.\n- Refaktorieren Sie Trainingsprogramme f\u00fcr eine einzelne GPU, damit sie mit DDP auf mehreren GPUs laufen.\nBeibehaltung der Modellgenauigkeit bei Skalierung auf mehrere GPUs\n\n\n\n- Verstehen und Anwenden wichtiger algorithmischer \u00dcberlegungen, um die Genauigkeit beim Training auf mehreren GPUs zu erhalten\n- Verstehen, warum die Genauigkeit bei der Parallelisierung des Trainings auf mehreren GPUs abnehmen kann.\n- Erlernen und Verstehen von Techniken zur Aufrechterhaltung der Genauigkeit bei der Skalierung des Trainings auf mehrere GPUs.\nWorkshop Bewertung\n\n\n\n- Nutzen Sie, was Sie w\u00e4hrend des Workshops gelernt haben: f\u00fcllen Sie die Workshop-Bewertung aus, um ein Kompetenzzertifikat zu erhalten\nAbschlussbericht\n\n\n\n- Besprechung der wichtigsten Erkenntnisse und abschliessende Fragen.\n- Nehmen Sie an der Workshop-Umfrage teil.","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"In diesem Workshop lernen Sie Techniken f\u00fcr datenparalleles Deep-Learning-Training auf mehreren GPUs kennen, um die Trainingszeit f\u00fcr datenintensive Anwendungen zu verk\u00fcrzen. Sie arbeiten mit Deep-Learning-Tools, -Frameworks und -Workflows f\u00fcr das Training neuronaler Netze und lernen, wie Sie die Trainingszeit f\u00fcr Modelle durch die Verteilung von Daten auf mehrere GPUs verk\u00fcrzen und gleichzeitig die Genauigkeit des Trainings auf einer einzigen GPU beibehalten k\u00f6nnen.\n\nBitte beachten Sie, dass eine einmal best\u00e4tigte Buchung nicht mehr r\u00fcckerstattet werden kann. Das bedeutet, dass Sie Ihren Platz f\u00fcr eine Veranstaltung nach der Best\u00e4tigung nicht mehr stornieren k\u00f6nnen und keine R\u00fcckerstattung erfolgt, unabh\u00e4ngig von der Teilnahme an der Veranstaltung.","skill_level":"Beginner","version":"1.0","duration":{"unit":"d","value":1,"formatted":"1 Tag"},"pricelist":{"List Price":{"US":{"country":"US","currency":"USD","taxrate":null,"price":500},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":500},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":500},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":500},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":500},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":420},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":500},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":690}}},"lastchanged":"2025-07-29T12:18:27+02:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/34496","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/nvidia-dphtdlm"}}
Beibehaltung der Modellgenauigkeit bei Skalierung auf mehrere GPUs<\/strong>\n<\/p>\n\nVerstehen und Anwenden wichtiger algorithmischer Überlegungen, um die Genauigkeit beim Training auf mehreren GPUs zu erhalten<\/li>Verstehen, warum die Genauigkeit bei der Parallelisierung des Trainings auf mehreren GPUs abnehmen kann.<\/li>Erlernen und Verstehen von Techniken zur Aufrechterhaltung der Genauigkeit bei der Skalierung des Trainings auf mehrere GPUs.<\/li><\/ul>Workshop Bewertung<\/strong>\n<\/p>\n\nNutzen Sie, was Sie während des Workshops gelernt haben: füllen Sie die Workshop-Bewertung aus, um ein Kompetenzzertifikat zu erhalten<\/li><\/ul>Abschlussbericht<\/strong>\n<\/p>\n\nBesprechung der wichtigsten Erkenntnisse und abschliessende Fragen.<\/li>Nehmen Sie an der Workshop-Umfrage teil.<\/li><\/ul>","comments":"Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <\/use><\/svg>hier<\/a><\/span>.<\/em><\/p>","summary":"In diesem Workshop lernen Sie Techniken für datenparalleles Deep-Learning-Training auf mehreren GPUs kennen, um die Trainingszeit für datenintensive Anwendungen zu verkürzen. Sie arbeiten mit Deep-Learning-Tools, -Frameworks und -Workflows für das Training neuronaler Netze und lernen, wie Sie die Trainingszeit für Modelle durch die Verteilung von Daten auf mehrere GPUs verkürzen und gleichzeitig die Genauigkeit des Trainings auf einer einzigen GPU beibehalten können.<\/p>\nBitte beachten Sie, dass eine einmal bestätigte Buchung nicht mehr rückerstattet werden kann. Das bedeutet, dass Sie Ihren Platz für eine Veranstaltung nach der Bestätigung nicht mehr stornieren können und keine Rückerstattung erfolgt, unabhängig von der Teilnahme an der Veranstaltung.<\/em><\/p>","objective_plain":"Durch die Teilnahme an diesem Workshop werden Sie:\n\n\n\n- Verstehen, wie datenparalleles Deep Learning-Training mit mehreren GPUs durchgef\u00fchrt wird\n- Maximaler Durchsatz beim Training, um mehrere GPUs optimal nutzen zu k\u00f6nnen\n- Verteilen Sie das Training auf mehrere GPUs mit Pytorch Distributed Data Parallel\n- Algorithmische \u00dcberlegungen zur Multi-GPU-Trainingsleistung und -genauigkeit verstehen und anwenden","essentials_plain":"Erfahrung mit Deep Learning Training mit Python","outline_plain":"Einf\u00fchrung\n\n\n\n- Treffen Sie den Ausbilder.\n- Erstellen Sie ein Konto unter courses.nvidia.com\/join\nStochastischer Gradientenabstieg und die Auswirkungen der Chargengr\u00f6sse\n\n\n\n- Lernen Sie die Bedeutung des stochastischen Gradientenabstiegs beim Training auf mehreren GPUs kennen\n- Verstehen Sie die Probleme der sequentiellen Single-Thread-Datenverarbeitung und die Theorie der Beschleunigung von Anwendungen durch parallele Verarbeitung.\n- Verstehen der Verlustfunktion, des Gradientenabstiegs und des stochastischen Gradientenabstiegs (SGD).\n- Verstehen der Auswirkungen der Stapelgr\u00f6sse auf die Genauigkeit und die Trainingszeit im Hinblick auf die Verwendung auf Multi-GPU-Systemen.\nTraining auf mehreren GPUs mit PyTorch Distributed Data Parallel (DDP)\n\n\n\n- Lernen Sie, wie man mit PyTorch Distributed Data Parallel ein GPU-Training auf mehrere GPUs \u00fcbertr\u00e4gt.\n- Verstehen, wie DDP das Training zwischen mehreren GPUs koordiniert.\n- Refaktorieren Sie Trainingsprogramme f\u00fcr eine einzelne GPU, damit sie mit DDP auf mehreren GPUs laufen.\nBeibehaltung der Modellgenauigkeit bei Skalierung auf mehrere GPUs\n\n\n\n- Verstehen und Anwenden wichtiger algorithmischer \u00dcberlegungen, um die Genauigkeit beim Training auf mehreren GPUs zu erhalten\n- Verstehen, warum die Genauigkeit bei der Parallelisierung des Trainings auf mehreren GPUs abnehmen kann.\n- Erlernen und Verstehen von Techniken zur Aufrechterhaltung der Genauigkeit bei der Skalierung des Trainings auf mehrere GPUs.\nWorkshop Bewertung\n\n\n\n- Nutzen Sie, was Sie w\u00e4hrend des Workshops gelernt haben: f\u00fcllen Sie die Workshop-Bewertung aus, um ein Kompetenzzertifikat zu erhalten\nAbschlussbericht\n\n\n\n- Besprechung der wichtigsten Erkenntnisse und abschliessende Fragen.\n- Nehmen Sie an der Workshop-Umfrage teil.","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"In diesem Workshop lernen Sie Techniken f\u00fcr datenparalleles Deep-Learning-Training auf mehreren GPUs kennen, um die Trainingszeit f\u00fcr datenintensive Anwendungen zu verk\u00fcrzen. Sie arbeiten mit Deep-Learning-Tools, -Frameworks und -Workflows f\u00fcr das Training neuronaler Netze und lernen, wie Sie die Trainingszeit f\u00fcr Modelle durch die Verteilung von Daten auf mehrere GPUs verk\u00fcrzen und gleichzeitig die Genauigkeit des Trainings auf einer einzigen GPU beibehalten k\u00f6nnen.\n\nBitte beachten Sie, dass eine einmal best\u00e4tigte Buchung nicht mehr r\u00fcckerstattet werden kann. Das bedeutet, dass Sie Ihren Platz f\u00fcr eine Veranstaltung nach der Best\u00e4tigung nicht mehr stornieren k\u00f6nnen und keine R\u00fcckerstattung erfolgt, unabh\u00e4ngig von der Teilnahme an der Veranstaltung.","skill_level":"Beginner","version":"1.0","duration":{"unit":"d","value":1,"formatted":"1 Tag"},"pricelist":{"List Price":{"US":{"country":"US","currency":"USD","taxrate":null,"price":500},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":500},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":500},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":500},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":500},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":420},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":500},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":690}}},"lastchanged":"2025-07-29T12:18:27+02:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/34496","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/nvidia-dphtdlm"}}
Workshop Bewertung<\/strong>\n<\/p>\n\nNutzen Sie, was Sie während des Workshops gelernt haben: füllen Sie die Workshop-Bewertung aus, um ein Kompetenzzertifikat zu erhalten<\/li><\/ul>Abschlussbericht<\/strong>\n<\/p>\n\nBesprechung der wichtigsten Erkenntnisse und abschliessende Fragen.<\/li>Nehmen Sie an der Workshop-Umfrage teil.<\/li><\/ul>","comments":"Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <\/use><\/svg>hier<\/a><\/span>.<\/em><\/p>","summary":"In diesem Workshop lernen Sie Techniken für datenparalleles Deep-Learning-Training auf mehreren GPUs kennen, um die Trainingszeit für datenintensive Anwendungen zu verkürzen. Sie arbeiten mit Deep-Learning-Tools, -Frameworks und -Workflows für das Training neuronaler Netze und lernen, wie Sie die Trainingszeit für Modelle durch die Verteilung von Daten auf mehrere GPUs verkürzen und gleichzeitig die Genauigkeit des Trainings auf einer einzigen GPU beibehalten können.<\/p>\nBitte beachten Sie, dass eine einmal bestätigte Buchung nicht mehr rückerstattet werden kann. Das bedeutet, dass Sie Ihren Platz für eine Veranstaltung nach der Bestätigung nicht mehr stornieren können und keine Rückerstattung erfolgt, unabhängig von der Teilnahme an der Veranstaltung.<\/em><\/p>","objective_plain":"Durch die Teilnahme an diesem Workshop werden Sie:\n\n\n\n- Verstehen, wie datenparalleles Deep Learning-Training mit mehreren GPUs durchgef\u00fchrt wird\n- Maximaler Durchsatz beim Training, um mehrere GPUs optimal nutzen zu k\u00f6nnen\n- Verteilen Sie das Training auf mehrere GPUs mit Pytorch Distributed Data Parallel\n- Algorithmische \u00dcberlegungen zur Multi-GPU-Trainingsleistung und -genauigkeit verstehen und anwenden","essentials_plain":"Erfahrung mit Deep Learning Training mit Python","outline_plain":"Einf\u00fchrung\n\n\n\n- Treffen Sie den Ausbilder.\n- Erstellen Sie ein Konto unter courses.nvidia.com\/join\nStochastischer Gradientenabstieg und die Auswirkungen der Chargengr\u00f6sse\n\n\n\n- Lernen Sie die Bedeutung des stochastischen Gradientenabstiegs beim Training auf mehreren GPUs kennen\n- Verstehen Sie die Probleme der sequentiellen Single-Thread-Datenverarbeitung und die Theorie der Beschleunigung von Anwendungen durch parallele Verarbeitung.\n- Verstehen der Verlustfunktion, des Gradientenabstiegs und des stochastischen Gradientenabstiegs (SGD).\n- Verstehen der Auswirkungen der Stapelgr\u00f6sse auf die Genauigkeit und die Trainingszeit im Hinblick auf die Verwendung auf Multi-GPU-Systemen.\nTraining auf mehreren GPUs mit PyTorch Distributed Data Parallel (DDP)\n\n\n\n- Lernen Sie, wie man mit PyTorch Distributed Data Parallel ein GPU-Training auf mehrere GPUs \u00fcbertr\u00e4gt.\n- Verstehen, wie DDP das Training zwischen mehreren GPUs koordiniert.\n- Refaktorieren Sie Trainingsprogramme f\u00fcr eine einzelne GPU, damit sie mit DDP auf mehreren GPUs laufen.\nBeibehaltung der Modellgenauigkeit bei Skalierung auf mehrere GPUs\n\n\n\n- Verstehen und Anwenden wichtiger algorithmischer \u00dcberlegungen, um die Genauigkeit beim Training auf mehreren GPUs zu erhalten\n- Verstehen, warum die Genauigkeit bei der Parallelisierung des Trainings auf mehreren GPUs abnehmen kann.\n- Erlernen und Verstehen von Techniken zur Aufrechterhaltung der Genauigkeit bei der Skalierung des Trainings auf mehrere GPUs.\nWorkshop Bewertung\n\n\n\n- Nutzen Sie, was Sie w\u00e4hrend des Workshops gelernt haben: f\u00fcllen Sie die Workshop-Bewertung aus, um ein Kompetenzzertifikat zu erhalten\nAbschlussbericht\n\n\n\n- Besprechung der wichtigsten Erkenntnisse und abschliessende Fragen.\n- Nehmen Sie an der Workshop-Umfrage teil.","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"In diesem Workshop lernen Sie Techniken f\u00fcr datenparalleles Deep-Learning-Training auf mehreren GPUs kennen, um die Trainingszeit f\u00fcr datenintensive Anwendungen zu verk\u00fcrzen. Sie arbeiten mit Deep-Learning-Tools, -Frameworks und -Workflows f\u00fcr das Training neuronaler Netze und lernen, wie Sie die Trainingszeit f\u00fcr Modelle durch die Verteilung von Daten auf mehrere GPUs verk\u00fcrzen und gleichzeitig die Genauigkeit des Trainings auf einer einzigen GPU beibehalten k\u00f6nnen.\n\nBitte beachten Sie, dass eine einmal best\u00e4tigte Buchung nicht mehr r\u00fcckerstattet werden kann. Das bedeutet, dass Sie Ihren Platz f\u00fcr eine Veranstaltung nach der Best\u00e4tigung nicht mehr stornieren k\u00f6nnen und keine R\u00fcckerstattung erfolgt, unabh\u00e4ngig von der Teilnahme an der Veranstaltung.","skill_level":"Beginner","version":"1.0","duration":{"unit":"d","value":1,"formatted":"1 Tag"},"pricelist":{"List Price":{"US":{"country":"US","currency":"USD","taxrate":null,"price":500},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":500},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":500},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":500},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":500},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":420},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":500},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":690}}},"lastchanged":"2025-07-29T12:18:27+02:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/34496","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/nvidia-dphtdlm"}}
Abschlussbericht<\/strong>\n<\/p>\n\nBesprechung der wichtigsten Erkenntnisse und abschliessende Fragen.<\/li>Nehmen Sie an der Workshop-Umfrage teil.<\/li><\/ul>","comments":"Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <\/use><\/svg>hier<\/a><\/span>.<\/em><\/p>","summary":"In diesem Workshop lernen Sie Techniken für datenparalleles Deep-Learning-Training auf mehreren GPUs kennen, um die Trainingszeit für datenintensive Anwendungen zu verkürzen. Sie arbeiten mit Deep-Learning-Tools, -Frameworks und -Workflows für das Training neuronaler Netze und lernen, wie Sie die Trainingszeit für Modelle durch die Verteilung von Daten auf mehrere GPUs verkürzen und gleichzeitig die Genauigkeit des Trainings auf einer einzigen GPU beibehalten können.<\/p>\nBitte beachten Sie, dass eine einmal bestätigte Buchung nicht mehr rückerstattet werden kann. Das bedeutet, dass Sie Ihren Platz für eine Veranstaltung nach der Bestätigung nicht mehr stornieren können und keine Rückerstattung erfolgt, unabhängig von der Teilnahme an der Veranstaltung.<\/em><\/p>","objective_plain":"Durch die Teilnahme an diesem Workshop werden Sie:\n\n\n\n- Verstehen, wie datenparalleles Deep Learning-Training mit mehreren GPUs durchgef\u00fchrt wird\n- Maximaler Durchsatz beim Training, um mehrere GPUs optimal nutzen zu k\u00f6nnen\n- Verteilen Sie das Training auf mehrere GPUs mit Pytorch Distributed Data Parallel\n- Algorithmische \u00dcberlegungen zur Multi-GPU-Trainingsleistung und -genauigkeit verstehen und anwenden","essentials_plain":"Erfahrung mit Deep Learning Training mit Python","outline_plain":"Einf\u00fchrung\n\n\n\n- Treffen Sie den Ausbilder.\n- Erstellen Sie ein Konto unter courses.nvidia.com\/join\nStochastischer Gradientenabstieg und die Auswirkungen der Chargengr\u00f6sse\n\n\n\n- Lernen Sie die Bedeutung des stochastischen Gradientenabstiegs beim Training auf mehreren GPUs kennen\n- Verstehen Sie die Probleme der sequentiellen Single-Thread-Datenverarbeitung und die Theorie der Beschleunigung von Anwendungen durch parallele Verarbeitung.\n- Verstehen der Verlustfunktion, des Gradientenabstiegs und des stochastischen Gradientenabstiegs (SGD).\n- Verstehen der Auswirkungen der Stapelgr\u00f6sse auf die Genauigkeit und die Trainingszeit im Hinblick auf die Verwendung auf Multi-GPU-Systemen.\nTraining auf mehreren GPUs mit PyTorch Distributed Data Parallel (DDP)\n\n\n\n- Lernen Sie, wie man mit PyTorch Distributed Data Parallel ein GPU-Training auf mehrere GPUs \u00fcbertr\u00e4gt.\n- Verstehen, wie DDP das Training zwischen mehreren GPUs koordiniert.\n- Refaktorieren Sie Trainingsprogramme f\u00fcr eine einzelne GPU, damit sie mit DDP auf mehreren GPUs laufen.\nBeibehaltung der Modellgenauigkeit bei Skalierung auf mehrere GPUs\n\n\n\n- Verstehen und Anwenden wichtiger algorithmischer \u00dcberlegungen, um die Genauigkeit beim Training auf mehreren GPUs zu erhalten\n- Verstehen, warum die Genauigkeit bei der Parallelisierung des Trainings auf mehreren GPUs abnehmen kann.\n- Erlernen und Verstehen von Techniken zur Aufrechterhaltung der Genauigkeit bei der Skalierung des Trainings auf mehrere GPUs.\nWorkshop Bewertung\n\n\n\n- Nutzen Sie, was Sie w\u00e4hrend des Workshops gelernt haben: f\u00fcllen Sie die Workshop-Bewertung aus, um ein Kompetenzzertifikat zu erhalten\nAbschlussbericht\n\n\n\n- Besprechung der wichtigsten Erkenntnisse und abschliessende Fragen.\n- Nehmen Sie an der Workshop-Umfrage teil.","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"In diesem Workshop lernen Sie Techniken f\u00fcr datenparalleles Deep-Learning-Training auf mehreren GPUs kennen, um die Trainingszeit f\u00fcr datenintensive Anwendungen zu verk\u00fcrzen. Sie arbeiten mit Deep-Learning-Tools, -Frameworks und -Workflows f\u00fcr das Training neuronaler Netze und lernen, wie Sie die Trainingszeit f\u00fcr Modelle durch die Verteilung von Daten auf mehrere GPUs verk\u00fcrzen und gleichzeitig die Genauigkeit des Trainings auf einer einzigen GPU beibehalten k\u00f6nnen.\n\nBitte beachten Sie, dass eine einmal best\u00e4tigte Buchung nicht mehr r\u00fcckerstattet werden kann. Das bedeutet, dass Sie Ihren Platz f\u00fcr eine Veranstaltung nach der Best\u00e4tigung nicht mehr stornieren k\u00f6nnen und keine R\u00fcckerstattung erfolgt, unabh\u00e4ngig von der Teilnahme an der Veranstaltung.","skill_level":"Beginner","version":"1.0","duration":{"unit":"d","value":1,"formatted":"1 Tag"},"pricelist":{"List Price":{"US":{"country":"US","currency":"USD","taxrate":null,"price":500},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":500},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":500},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":500},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":500},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":420},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":500},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":690}}},"lastchanged":"2025-07-29T12:18:27+02:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/34496","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/nvidia-dphtdlm"}}
Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <\/use><\/svg>hier<\/a><\/span>.<\/em><\/p>","summary":"In diesem Workshop lernen Sie Techniken für datenparalleles Deep-Learning-Training auf mehreren GPUs kennen, um die Trainingszeit für datenintensive Anwendungen zu verkürzen. Sie arbeiten mit Deep-Learning-Tools, -Frameworks und -Workflows für das Training neuronaler Netze und lernen, wie Sie die Trainingszeit für Modelle durch die Verteilung von Daten auf mehrere GPUs verkürzen und gleichzeitig die Genauigkeit des Trainings auf einer einzigen GPU beibehalten können.<\/p>\nBitte beachten Sie, dass eine einmal bestätigte Buchung nicht mehr rückerstattet werden kann. Das bedeutet, dass Sie Ihren Platz für eine Veranstaltung nach der Bestätigung nicht mehr stornieren können und keine Rückerstattung erfolgt, unabhängig von der Teilnahme an der Veranstaltung.<\/em><\/p>","objective_plain":"Durch die Teilnahme an diesem Workshop werden Sie:\n\n\n\n- Verstehen, wie datenparalleles Deep Learning-Training mit mehreren GPUs durchgef\u00fchrt wird\n- Maximaler Durchsatz beim Training, um mehrere GPUs optimal nutzen zu k\u00f6nnen\n- Verteilen Sie das Training auf mehrere GPUs mit Pytorch Distributed Data Parallel\n- Algorithmische \u00dcberlegungen zur Multi-GPU-Trainingsleistung und -genauigkeit verstehen und anwenden","essentials_plain":"Erfahrung mit Deep Learning Training mit Python","outline_plain":"Einf\u00fchrung\n\n\n\n- Treffen Sie den Ausbilder.\n- Erstellen Sie ein Konto unter courses.nvidia.com\/join\nStochastischer Gradientenabstieg und die Auswirkungen der Chargengr\u00f6sse\n\n\n\n- Lernen Sie die Bedeutung des stochastischen Gradientenabstiegs beim Training auf mehreren GPUs kennen\n- Verstehen Sie die Probleme der sequentiellen Single-Thread-Datenverarbeitung und die Theorie der Beschleunigung von Anwendungen durch parallele Verarbeitung.\n- Verstehen der Verlustfunktion, des Gradientenabstiegs und des stochastischen Gradientenabstiegs (SGD).\n- Verstehen der Auswirkungen der Stapelgr\u00f6sse auf die Genauigkeit und die Trainingszeit im Hinblick auf die Verwendung auf Multi-GPU-Systemen.\nTraining auf mehreren GPUs mit PyTorch Distributed Data Parallel (DDP)\n\n\n\n- Lernen Sie, wie man mit PyTorch Distributed Data Parallel ein GPU-Training auf mehrere GPUs \u00fcbertr\u00e4gt.\n- Verstehen, wie DDP das Training zwischen mehreren GPUs koordiniert.\n- Refaktorieren Sie Trainingsprogramme f\u00fcr eine einzelne GPU, damit sie mit DDP auf mehreren GPUs laufen.\nBeibehaltung der Modellgenauigkeit bei Skalierung auf mehrere GPUs\n\n\n\n- Verstehen und Anwenden wichtiger algorithmischer \u00dcberlegungen, um die Genauigkeit beim Training auf mehreren GPUs zu erhalten\n- Verstehen, warum die Genauigkeit bei der Parallelisierung des Trainings auf mehreren GPUs abnehmen kann.\n- Erlernen und Verstehen von Techniken zur Aufrechterhaltung der Genauigkeit bei der Skalierung des Trainings auf mehrere GPUs.\nWorkshop Bewertung\n\n\n\n- Nutzen Sie, was Sie w\u00e4hrend des Workshops gelernt haben: f\u00fcllen Sie die Workshop-Bewertung aus, um ein Kompetenzzertifikat zu erhalten\nAbschlussbericht\n\n\n\n- Besprechung der wichtigsten Erkenntnisse und abschliessende Fragen.\n- Nehmen Sie an der Workshop-Umfrage teil.","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"In diesem Workshop lernen Sie Techniken f\u00fcr datenparalleles Deep-Learning-Training auf mehreren GPUs kennen, um die Trainingszeit f\u00fcr datenintensive Anwendungen zu verk\u00fcrzen. Sie arbeiten mit Deep-Learning-Tools, -Frameworks und -Workflows f\u00fcr das Training neuronaler Netze und lernen, wie Sie die Trainingszeit f\u00fcr Modelle durch die Verteilung von Daten auf mehrere GPUs verk\u00fcrzen und gleichzeitig die Genauigkeit des Trainings auf einer einzigen GPU beibehalten k\u00f6nnen.\n\nBitte beachten Sie, dass eine einmal best\u00e4tigte Buchung nicht mehr r\u00fcckerstattet werden kann. Das bedeutet, dass Sie Ihren Platz f\u00fcr eine Veranstaltung nach der Best\u00e4tigung nicht mehr stornieren k\u00f6nnen und keine R\u00fcckerstattung erfolgt, unabh\u00e4ngig von der Teilnahme an der Veranstaltung.","skill_level":"Beginner","version":"1.0","duration":{"unit":"d","value":1,"formatted":"1 Tag"},"pricelist":{"List Price":{"US":{"country":"US","currency":"USD","taxrate":null,"price":500},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":500},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":500},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":500},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":500},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":420},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":500},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":690}}},"lastchanged":"2025-07-29T12:18:27+02:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/34496","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/nvidia-dphtdlm"}}
In diesem Workshop lernen Sie Techniken für datenparalleles Deep-Learning-Training auf mehreren GPUs kennen, um die Trainingszeit für datenintensive Anwendungen zu verkürzen. Sie arbeiten mit Deep-Learning-Tools, -Frameworks und -Workflows für das Training neuronaler Netze und lernen, wie Sie die Trainingszeit für Modelle durch die Verteilung von Daten auf mehrere GPUs verkürzen und gleichzeitig die Genauigkeit des Trainings auf einer einzigen GPU beibehalten können.<\/p>\n
Bitte beachten Sie, dass eine einmal bestätigte Buchung nicht mehr rückerstattet werden kann. Das bedeutet, dass Sie Ihren Platz für eine Veranstaltung nach der Bestätigung nicht mehr stornieren können und keine Rückerstattung erfolgt, unabhängig von der Teilnahme an der Veranstaltung.<\/em><\/p>","objective_plain":"Durch die Teilnahme an diesem Workshop werden Sie:\n\n\n\n- Verstehen, wie datenparalleles Deep Learning-Training mit mehreren GPUs durchgef\u00fchrt wird\n- Maximaler Durchsatz beim Training, um mehrere GPUs optimal nutzen zu k\u00f6nnen\n- Verteilen Sie das Training auf mehrere GPUs mit Pytorch Distributed Data Parallel\n- Algorithmische \u00dcberlegungen zur Multi-GPU-Trainingsleistung und -genauigkeit verstehen und anwenden","essentials_plain":"Erfahrung mit Deep Learning Training mit Python","outline_plain":"Einf\u00fchrung\n\n\n\n- Treffen Sie den Ausbilder.\n- Erstellen Sie ein Konto unter courses.nvidia.com\/join\nStochastischer Gradientenabstieg und die Auswirkungen der Chargengr\u00f6sse\n\n\n\n- Lernen Sie die Bedeutung des stochastischen Gradientenabstiegs beim Training auf mehreren GPUs kennen\n- Verstehen Sie die Probleme der sequentiellen Single-Thread-Datenverarbeitung und die Theorie der Beschleunigung von Anwendungen durch parallele Verarbeitung.\n- Verstehen der Verlustfunktion, des Gradientenabstiegs und des stochastischen Gradientenabstiegs (SGD).\n- Verstehen der Auswirkungen der Stapelgr\u00f6sse auf die Genauigkeit und die Trainingszeit im Hinblick auf die Verwendung auf Multi-GPU-Systemen.\nTraining auf mehreren GPUs mit PyTorch Distributed Data Parallel (DDP)\n\n\n\n- Lernen Sie, wie man mit PyTorch Distributed Data Parallel ein GPU-Training auf mehrere GPUs \u00fcbertr\u00e4gt.\n- Verstehen, wie DDP das Training zwischen mehreren GPUs koordiniert.\n- Refaktorieren Sie Trainingsprogramme f\u00fcr eine einzelne GPU, damit sie mit DDP auf mehreren GPUs laufen.\nBeibehaltung der Modellgenauigkeit bei Skalierung auf mehrere GPUs\n\n\n\n- Verstehen und Anwenden wichtiger algorithmischer \u00dcberlegungen, um die Genauigkeit beim Training auf mehreren GPUs zu erhalten\n- Verstehen, warum die Genauigkeit bei der Parallelisierung des Trainings auf mehreren GPUs abnehmen kann.\n- Erlernen und Verstehen von Techniken zur Aufrechterhaltung der Genauigkeit bei der Skalierung des Trainings auf mehrere GPUs.\nWorkshop Bewertung\n\n\n\n- Nutzen Sie, was Sie w\u00e4hrend des Workshops gelernt haben: f\u00fcllen Sie die Workshop-Bewertung aus, um ein Kompetenzzertifikat zu erhalten\nAbschlussbericht\n\n\n\n- Besprechung der wichtigsten Erkenntnisse und abschliessende Fragen.\n- Nehmen Sie an der Workshop-Umfrage teil.","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"In diesem Workshop lernen Sie Techniken f\u00fcr datenparalleles Deep-Learning-Training auf mehreren GPUs kennen, um die Trainingszeit f\u00fcr datenintensive Anwendungen zu verk\u00fcrzen. Sie arbeiten mit Deep-Learning-Tools, -Frameworks und -Workflows f\u00fcr das Training neuronaler Netze und lernen, wie Sie die Trainingszeit f\u00fcr Modelle durch die Verteilung von Daten auf mehrere GPUs verk\u00fcrzen und gleichzeitig die Genauigkeit des Trainings auf einer einzigen GPU beibehalten k\u00f6nnen.\n\nBitte beachten Sie, dass eine einmal best\u00e4tigte Buchung nicht mehr r\u00fcckerstattet werden kann. Das bedeutet, dass Sie Ihren Platz f\u00fcr eine Veranstaltung nach der Best\u00e4tigung nicht mehr stornieren k\u00f6nnen und keine R\u00fcckerstattung erfolgt, unabh\u00e4ngig von der Teilnahme an der Veranstaltung.","skill_level":"Beginner","version":"1.0","duration":{"unit":"d","value":1,"formatted":"1 Tag"},"pricelist":{"List Price":{"US":{"country":"US","currency":"USD","taxrate":null,"price":500},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":500},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":500},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":500},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":500},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":420},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":500},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":690}}},"lastchanged":"2025-07-29T12:18:27+02:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/34496","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/nvidia-dphtdlm"}}