TensorFlow Eager Runtime Profiler

Ce projet a pour but de démystifier l'exécution de l'inférence de réseaux de neurones profonds sur une combinaison CPU-GPU en utilisant TensorFlow Profiler. Il permet d'optimiser les performances de ces modèles en analysant et en visualisant leur exécution.

Dépôt de code

https://gite.lirmm.fr/adac/tensorflow-eager-runtime-profiler (nouvelle fenêtre)

Cas d'utilisation métiers

Visualisation de l'exécution de modèles de deep learning : rechercher des initiatives proches
Analyse de l'exécution de modèles de deep learning : rechercher des initiatives proches
Optimisation des performances de réseaux de neurones profonds : rechercher des initiatives proches

Cas d'utilisation fonctionnel

Utilise de l'intelligence artificielle : voir les initiatives de ses organisations qui l'ont aussi

Organisation

Administration centrale
- Gouvernement (Premier ministre et ministères)
  - Ministère de l’Enseignement supérieur, de la Recherche et de l'Espace
    - Universités - Ministère chargé de l'Enseignement supérieur
      - Université de Montpellier (organisation rattachée)

Outil utilisé

Matplotlib : voir les initiatives de ses organisations qui l'ont aussi

Description générée le lundi 18 mars 2024 à 22:57:39

D'autres initiatives de la même organisation

Université de Montpellier
umontpellier.fr
doc-git
gite.lirmm.fr/common-docs/doc-git
newcomers-guide
gite.lirmm.fr/common-docs/newcomers-guide
advanse-api
gite.lirmm.fr/advanse/advanse-api