Forwarded from файлы эффективности
Media is too big
VIEW IN TELEGRAM
файл эффективности 19
❤37😍19🍾6🤔1🙏1🤨1🗿1
#ФКН #ШАД На гитхабе курса появились материалы этой недели, а также домашнее задание по эффективному обучению и профайлингу кода. За задание можно получить больше 10 баллов, чтобы увеличить свою оценку за блок по пайплайнам обучения. Дедлайн — 09.02 08:00MSK, страница для сдачи появится в ближайшее время
GitHub
efficient-dl-systems/week02_fast_pipelines at main · mryab/efficient-dl-systems
Efficient Deep Learning Systems course materials (HSE, YSDA) - mryab/efficient-dl-systems
❤10🫡2
Forwarded from файлы эффективности
This media is not supported in your browser
VIEW IN TELEGRAM
файл эффективности 20
🔥29❤10😁4🤨1😴1🗿1
#ФКН #ШАД На гитхабе курса появились материалы прошлой недели, а также домашнее задание по data-parallel training. В задании есть бонус, решив который, можно получить до 3 бонусных баллов в блоке по распределенному обучению.
Дедлайн — 16.02 08:00MSK, страница в LMS появится в ближайшее время
Дедлайн — 16.02 08:00MSK, страница в LMS появится в ближайшее время
GitHub
efficient-dl-systems/week03_data_parallel at main · mryab/efficient-dl-systems
Efficient Deep Learning Systems course materials (HSE, YSDA) - mryab/efficient-dl-systems
👍2🤨1
#ФКН Всем студентам, записанным на курс от ФКН и заполнившим форму, в 12:00 ушло письмо на почту @edu.hse.ru с инструкциями для доступа к LMS. Если вы не получили письмо, напишите Вале @vbroner
Доступ к серверу и DataSphere предоставим в ближайшее время, stay tuned!
Доступ к серверу и DataSphere предоставим в ближайшее время, stay tuned!
Telegram
Efficient DL’26: объявления
#ФКН В этом году сдача домашних заданий будет происходить через LMS ШАДа. Чтобы мы смогли добавить вас на курс, а также выдать доступ к Яндекс.Облаку для выполнения домашних заданий, пожалуйста, заполните эту форму: https://forms.gle/3VwAriNMJZS8VM5z8
Дедлайн…
Дедлайн…
❤1
#ФКН Мы создали GPU-сервер и отправили тем, кто запрашивал к нему доступ, на корпоративную почту письмо с адресом и инструкциями по подключению.
Также в течение сегодняшнего дня вам придёт инвайт в организацию в Яндекс.Облаке. Чтобы вас смогли добавить в сообществе в DataSphere, пожалуйста, примите этот инвайт до завтра
Также в течение сегодняшнего дня вам придёт инвайт в организацию в Яндекс.Облаке. Чтобы вас смогли добавить в сообществе в DataSphere, пожалуйста, примите этот инвайт до завтра
#ФКН #ШАД Обновили формулировку задачи 2 домашнего задания в week02:
• Требуется прогнать одну полную эпоху по обучающим данным, но без backward pass
• Во всех пунктах по умолчанию можно исключать последовательности длиннее 640 токенов. Если вы уже сделали пункты 1–3 через truncation, можно оставить их как есть, если вы честно сравните скорость работы методов с учетом разного количества данных
• Требуется прогнать одну полную эпоху по обучающим данным, но без backward pass
• Во всех пунктах по умолчанию можно исключать последовательности длиннее 640 токенов. Если вы уже сделали пункты 1–3 через truncation, можно оставить их как есть, если вы честно сравните скорость работы методов с учетом разного количества данных
🤯2🫡2🗿1
#ФКН #ШАД На гитхабе курса появились материалы недели 4 и домашнее задание (часть 1, часть 2) по обучению больших нейросетей
Дедлайн — 27.02 08:00MSK, страница для сдачи в LMS появится в ближайшее время
Дедлайн — 27.02 08:00MSK, страница для сдачи в LMS появится в ближайшее время
GitHub
efficient-dl-systems/week04_large_models at main · mryab/efficient-dl-systems
Efficient Deep Learning Systems course materials (HSE, YSDA) - mryab/efficient-dl-systems
🍾1
Forwarded from файлы эффективности
Media is too big
VIEW IN TELEGRAM
файл эффективности 22
🤩19😁5🏆1🤨1🆒1
#ФКН #ШАД На гитхабе курса появились материалы недели по FSDP, а также домашнее задание по этой теме. В задании есть бонус, за который можно получить до 3 бонусных баллов в блоке по large-scale обучению.
Дедлайн — 06.03 08:00MSK, страница в LMS появится в ближайшее время
Дедлайн — 06.03 08:00MSK, страница в LMS появится в ближайшее время
GitHub
efficient-dl-systems/week05_fsdp at main · mryab/efficient-dl-systems
Efficient Deep Learning Systems course materials (HSE, YSDA) - mryab/efficient-dl-systems
😭17🏆3🔥2
#ФКН #ШАД Обновили условие домашнего задания по FSDP: задания остались теми же, но теперь в README есть ссылка на данные и необходимый токенайзер
GitHub
Update week05 homework statement (#40) · mryab/efficient-dl-systems@1758385
Co-authored-by: Anton Frolov <antonylovanto@gmail.com>
👍1
#ФКН Перезапустили сервер с GPU, его новый IP-адрес 84.201.136.206
❤6
Efficient DL’26: объявления
#ФКН #ШАД На гитхабе курса появились материалы недели по разработке веб-сервисов, а также домашнее задание по этой теме. В задании есть бонус в 1 балл, который увеличит вашу оценку в блоке по инференсу. Дедлайн — 14.03 08:00MSK, страница в LMS появится в…
#ФКН #ШАД Обратите внимание на особый формат сдачи ДЗ, подробно описанный в репозитории.
Помимо сдачи задания в LMS, вас ожидает устная защита решения. Мы выберем не менее 40 случайных студентов для защиты, которая будет представлять из себя устное собеседование на 10-15 минут в Zoom с вопросами о вашем коде и возможными дополнительными вопросами по материалам недели. Конкретные даты защит и список студентов будет опубликован позднее.
Помимо сдачи задания в LMS, вас ожидает устная защита решения. Мы выберем не менее 40 случайных студентов для защиты, которая будет представлять из себя устное собеседование на 10-15 минут в Zoom с вопросами о вашем коде и возможными дополнительными вопросами по материалам недели. Конкретные даты защит и список студентов будет опубликован позднее.
GitHub
GitHub - newokaerinasai/effdl26-week07-homework
Contribute to newokaerinasai/effdl26-week07-homework development by creating an account on GitHub.
🤯11🔥7😁6👍1
#ФКН #ШАД На гитхабе курса появились материалы недели по арифметике глубинного обучения, а также домашнее задание по этой теме. В задании есть бонус, за который можно получить до 4 дополнительных баллов в блоке по large-scale обучению.
Дедлайн — 19.03 08:00MSK, страница в LMS появится в ближайшее время
Дедлайн — 19.03 08:00MSK, страница в LMS появится в ближайшее время
GitHub
efficient-dl-systems/week06_dl_arithmetic at main · mryab/efficient-dl-systems
Efficient Deep Learning Systems course materials (HSE, YSDA) - mryab/efficient-dl-systems
🤯12
#ФКН #ШАД На гитхабе курса появились материалы недели 8 и домашнее задание по системам для инференса. В задании есть бонус, за который можно получить до 2 дополнительных баллов в блоке по инференсу.
Дедлайн — 22.03 08:00MSK, страница в LMS появится в ближайшее время
Дедлайн — 22.03 08:00MSK, страница в LMS появится в ближайшее время
GitHub
efficient-dl-systems/week08_inference_software at main · mryab/efficient-dl-systems
Efficient Deep Learning Systems course materials (HSE, YSDA) - mryab/efficient-dl-systems
😭17❤2🤯1👻1
#ФКН #ШАД В домашнем задании по неделе 7 обновлены тесты из директории scripts/ci, а также незначительно обновлено условие (исправлены опечатки). Тест никак не повлияет на правильные решения, но может помочь вам подсветить неправильные.
Просим всех сдавших задание обновить тесты у себя в репозитории и прогнать CI еще раз. Это облегчит нам проверку и избавит вас от неожиданно снятых баллов за неверное решение.
Просим всех сдавших задание обновить тесты у себя в репозитории и прогнать CI еще раз. Это облегчит нам проверку и избавит вас от неожиданно снятых баллов за неверное решение.
🤯10💔1
#ФКН #ШАД На гитхабе курса появились материалы этой недели, а также домашнее задание по квантизации и спекулятивному декодингу. В задании есть бонус, решив который, можно получить до 4 бонусных баллов в блоке по инференсу.
Дедлайн — 24.03 08:00MSK, страница в LMS появится в ближайшее время
Дедлайн — 24.03 08:00MSK, страница в LMS появится в ближайшее время
GitHub
efficient-dl-systems/week09_inference_algorithms/homework at main · mryab/efficient-dl-systems
Efficient Deep Learning Systems course materials (HSE, YSDA) - mryab/efficient-dl-systems
😁6🤨5👻2🔥1
#ФКН #ШАД На семинаре 18 марта мы устроим блиц-демонстрации ряда open-source проектов на тематику курса, за которые можно будет получить бонусные баллы (до 0.5 в финальную оценку до округления).
Список проектов находится по ссылке https://docs.google.com/document/d/1Xx7IgZ_mMxkoCyI5bjS5TTjs-r0Q5TD2PJbg6WeqoI8
Каждое выступление должно длиться до 6 минут, из которых две занимает рассказ о краткой сути проекта (что это и чем полезно), а четыре — демонстрация какого-то простого примера на основе этого проекта, который покажет нам, почему им нужно пользоваться. При проведении демонстрации обязательно нужно будет показывать свой экран с работающим примером остальным участникам семинара; сам код демонстрации должен быть выложен в открытый репозиторий до 23:59мск 17 марта вместе с инструкцией по запуску в README, а ссылка на него — отправлена в чат курса. Код может быть вдохновлён туториалами или примерами из той библиотеки, про которую вы будете рассказывать, но необходимо его осмыслить и упростить, чтобы ваша демонстрация умещалась в 4 минуты.
Всего за демку можно будет получить от 0 до 5 баллов, которые потом линейно отмасштабируются в бонусы. Система оценивания следующая:
2/5 — рассказ (штрафуется выход за временные рамки)
2/5 — демонстрация (штрафуются выход за временные рамки, несодержательность или использование готовых примеров вместо своего кода)
1/5 — наличие публичного репозитория с README и инструкциями по запуску в установленное время
Максимум на блиц сможет записаться 6 человек с ФКН и 6 человек из ШАД. Попадут первые записавшиеся, запись двух людей на один проект не допускается. В связи с ограниченным числом слотов крайне не рекомендуем записываться, если вы не уверены, что сможете подготовиться (возможны штрафы, если не подготовитесь). Форма для записи откроется 15 марта в 18:00MSK
Список проектов находится по ссылке https://docs.google.com/document/d/1Xx7IgZ_mMxkoCyI5bjS5TTjs-r0Q5TD2PJbg6WeqoI8
Каждое выступление должно длиться до 6 минут, из которых две занимает рассказ о краткой сути проекта (что это и чем полезно), а четыре — демонстрация какого-то простого примера на основе этого проекта, который покажет нам, почему им нужно пользоваться. При проведении демонстрации обязательно нужно будет показывать свой экран с работающим примером остальным участникам семинара; сам код демонстрации должен быть выложен в открытый репозиторий до 23:59мск 17 марта вместе с инструкцией по запуску в README, а ссылка на него — отправлена в чат курса. Код может быть вдохновлён туториалами или примерами из той библиотеки, про которую вы будете рассказывать, но необходимо его осмыслить и упростить, чтобы ваша демонстрация умещалась в 4 минуты.
Всего за демку можно будет получить от 0 до 5 баллов, которые потом линейно отмасштабируются в бонусы. Система оценивания следующая:
2/5 — рассказ (штрафуется выход за временные рамки)
2/5 — демонстрация (штрафуются выход за временные рамки, несодержательность или использование готовых примеров вместо своего кода)
1/5 — наличие публичного репозитория с README и инструкциями по запуску в установленное время
Максимум на блиц сможет записаться 6 человек с ФКН и 6 человек из ШАД. Попадут первые записавшиеся, запись двух людей на один проект не допускается. В связи с ограниченным числом слотов крайне не рекомендуем записываться, если вы не уверены, что сможете подготовиться (возможны штрафы, если не подготовитесь). Форма для записи откроется 15 марта в 18:00MSK
Google Docs
EfficientDL'26: blitz demo projects
Debugging & profiling https://github.com/bloomberg/memray https://github.com/gaogaotiantian/viztracer https://github.com/airspeed-velocity/asv Large-scale training https://github.com/pytorch/torchtitan https://github.com/AI-Hypercomputer/maxtext Efficient…
🤪10
#ФКН #ШАД В домашнем задании по неделе 6 пункт 1.2 теперь разбит на подпункты. Фьюз QKV является обязательной частью задания и необходим для прохождения e2e-теста. Остальные два подпункта опциональные (стоят 0.75 баллов в сумме) и не влияют на дальнейшие тесты. Пороги на точность в этом задании также немного ослаблены.
В дополнение к этому мы поправили конфигурацию для бенчмарка, чтобы он совпадал с параметрами для e2e-теста
В дополнение к этому мы поправили конфигурацию для бенчмарка, чтобы он совпадал с параметрами для e2e-теста
GitHub
Update week06 homework (#45) · mryab/efficient-dl-systems@e632aa8
Efficient Deep Learning Systems course materials (HSE, YSDA) - Update week06 homework (#45) · mryab/efficient-dl-systems@e632aa8
😭5👍3