اليوم، يسعدنا أن نعلن عن المعاينة ملف تعريف أمازون SageMaker، قدرة الأمازون SageMaker يوفر عرضًا تفصيليًا لموارد حوسبة AWS المتوفرة أثناء تدريب نماذج التعلم العميق على SageMaker. باستخدام SageMaker Profiler، يمكنك تتبع جميع الأنشطة على وحدات المعالجة المركزية ووحدات معالجة الرسومات، مثل استخدامات وحدة المعالجة المركزية ووحدة معالجة الرسومات، وتشغيل kernel على وحدات معالجة الرسومات، وتشغيل kernel على وحدات المعالجة المركزية، وعمليات المزامنة، وعمليات الذاكرة عبر وحدات معالجة الرسومات، وزمن الاستجابة بين عمليات تشغيل kernel وعمليات التشغيل المقابلة، ونقل البيانات بين وحدات المعالجة المركزية ووحدات معالجة الرسومات. في هذا المنشور، نطلعك على إمكانيات SageMaker Profiler.
يوفر SageMaker Profiler وحدات Python النمطية لإضافة تعليقات توضيحية إلى البرامج النصية التدريبية لـ PyTorch أو TensorFlow وتنشيط SageMaker Profiler. كما يوفر واجهة مستخدم (UI) تصور البيانات الشخصية، وملخص إحصائي للأحداث المحددة، والجدول الزمني لمهمة التدريب لتتبع وفهم العلاقة الزمنية للأحداث بين وحدات معالجة الرسومات ووحدات المعالجة المركزية.
الحاجة إلى تحديد وظائف التدريب
مع ظهور التعلم العميق (DL)، أصبح التعلم الآلي (ML) مكثفًا للحوسبة والبيانات، ويتطلب عادةً مجموعات متعددة العقد ووحدات معالجة الرسومات المتعددة. ومع نمو حجم النماذج الحديثة بما يصل إلى تريليونات من المعلمات، فإن تعقيدها الحسابي وتكلفتها يتزايدان بسرعة أيضًا. يتعين على ممارسي تعلم الآلة التعامل مع التحديات الشائعة المتمثلة في الاستخدام الفعال للموارد عند تدريب مثل هذه النماذج الكبيرة. ويتجلى هذا بشكل خاص في نماذج اللغات الكبيرة (LLMs)، والتي عادةً ما تحتوي على مليارات من المعلمات، وبالتالي تتطلب مجموعات GPU كبيرة متعددة العقد من أجل تدريبها بكفاءة.
عند تدريب هذه النماذج على مجموعات حوسبة كبيرة، يمكن أن نواجه تحديات تحسين موارد الحوسبة مثل اختناقات الإدخال/الإخراج، وزمن وصول تشغيل kernel، وحدود الذاكرة، وانخفاض استخدامات الموارد. إذا لم يتم تحسين تكوين مهمة التدريب، فقد تؤدي هذه التحديات إلى استخدام غير فعال للأجهزة وأوقات تدريب أطول أو عمليات تشغيل تدريب غير مكتملة، مما يزيد من التكاليف الإجمالية والجداول الزمنية للمشروع.
المتطلبات الأساسية المسبقة
فيما يلي المتطلبات الأساسية لبدء استخدام SageMaker Profiler:
- مجال SageMaker في حساب AWS الخاص بك – للحصول على تعليمات حول إعداد المجال، راجع الانضمام إلى Amazon SageMaker Domain باستخدام الإعداد السريع. تحتاج أيضًا إلى إضافة ملفات تعريف مستخدم المجال للمستخدمين الفرديين للوصول إلى تطبيق SageMaker Profiler UI. لمزيد من المعلومات، راجع إضافة وإزالة ملفات تعريف مستخدم SageMaker Domain.
- أذونات - القائمة التالية هي الحد الأدنى لمجموعة الأذونات التي يجب تعيينها لدور التنفيذ لاستخدام تطبيق SageMaker Profiler UI:
sagemaker:CreateApp
sagemaker:DeleteApp
sagemaker:DescribeTrainingJob
sagemaker:SearchTrainingJobs
s3:GetObject
s3:ListBucket
قم بإعداد وتشغيل مهمة تدريبية باستخدام SageMaker Profiler
لبدء تشغيل kernel على وحدات معالجة الرسومات أثناء تشغيل مهمة التدريب، قم بتعديل البرنامج النصي للتدريب الخاص بك باستخدام وحدات SageMaker Profiler Python. قم باستيراد المكتبة وإضافة ملف start_profiling()
و stop_profiling()
طرق تحديد بداية ونهاية التنميط. يمكنك أيضًا استخدام التعليقات التوضيحية المخصصة الاختيارية لإضافة علامات في البرنامج النصي للتدريب لتصور أنشطة الأجهزة أثناء عمليات معينة في كل خطوة.
هناك طريقتان يمكنك اتباعهما لتعريف البرامج النصية التدريبية الخاصة بك باستخدام SageMaker Profiler. يعتمد النهج الأول على تحديد الوظائف الكاملة؛ يعتمد النهج الثاني على تحديد خطوط رمز محددة في الوظائف.
لملف التعريف حسب الوظائف، استخدم مدير السياق smppy.annotate
لتعليق الوظائف الكاملة. يوضح المثال النصي التالي كيفية تنفيذ مدير السياق لتغليف حلقة التدريب والوظائف الكاملة في كل تكرار:
يمكنك أيضا استخدام smppy.annotation_begin()
و smppy.annotation_end()
لتعليق أسطر محددة من التعليمات البرمجية في الوظائف. لمزيد من المعلومات، راجع توثيق.
قم بتكوين مشغل مهام تدريب SageMaker
بعد الانتهاء من إضافة التعليقات التوضيحية وإعداد وحدات بدء ملف التعريف، احفظ البرنامج النصي للتدريب وقم بإعداد مُقدِّر إطار عمل SageMaker للتدريب باستخدام SageMaker Python SDK.
- اقامة
profiler_config
كائن باستخدامProfilerConfig
وProfiler
وحدات على النحو التالي: - قم بإنشاء مقدر SageMaker باستخدام
profiler_config
الكائن الذي تم إنشاؤه في الخطوة السابقة. يعرض التعليمة البرمجية التالية مثالاً لإنشاء مقدر PyTorch:
إذا كنت تريد إنشاء مُقدِّر TensorFlow، فقم باستيراده sagemaker.tensorflow.TensorFlow
بدلاً من ذلك، وحدد أحد إصدارات TensorFlow التي يدعمها SageMaker Profiler. لمزيد من المعلومات حول الأطر المدعومة وأنواع المثيلات، راجع الأطر المدعومة.
- ابدأ مهمة التدريب عن طريق تشغيل الطريقة المناسبة:
قم بتشغيل واجهة مستخدم ملف تعريف SageMaker
عند اكتمال مهمة التدريب، يمكنك تشغيل واجهة مستخدم SageMaker Profiler لتصور ملف تعريف مهمة التدريب واستكشافه. يمكنك الوصول إلى تطبيق SageMaker Profiler UI من خلال الصفحة المقصودة لـ SageMaker Profiler على وحدة تحكم SageMaker أو من خلال مجال SageMaker.
لتشغيل تطبيق SageMaker Profiler UI على وحدة تحكم SageMaker، أكمل الخطوات التالية:
- في وحدة تحكم SageMaker ، اختر ملف في جزء التنقل.
- تحت إبداء الأن، حدد المجال الذي تريد تشغيل تطبيق SageMaker Profiler UI فيه.
إذا كان ملف تعريف المستخدم الخاص بك ينتمي إلى مجال واحد فقط، فلن ترى خيار تحديد المجال.
- حدد ملف تعريف المستخدم الذي تريد تشغيل تطبيق SageMaker Profiler UI له.
إذا لم يكن هناك ملف تعريف مستخدم في المجال، فاختر إنشاء ملف تعريف المستخدم. لمزيد من المعلومات حول إنشاء ملف تعريف مستخدم جديد، راجع إضافة وإزالة ملفات تعريف المستخدمين.
- اختار افتح ملف التعريف.
بامكانك ايضا قم بتشغيل واجهة مستخدم SageMaker Profiler من صفحة تفاصيل المجال.
احصل على رؤى من ملف تعريف SageMaker
عند فتح واجهة مستخدم SageMaker Profiler، سيظهر ملف حدد وتحميل ملف التعريف تفتح الصفحة، كما هو موضح في لقطة الشاشة التالية.
يمكنك عرض قائمة بجميع وظائف التدريب التي تم إرسالها إلى SageMaker Profiler والبحث عن وظيفة تدريب معينة حسب اسمها ووقت الإنشاء وحالة التشغيل (قيد التقدم، أو مكتمل، أو فاشل، أو متوقف، أو متوقف). لتحميل ملف تعريف، حدد مهمة التدريب التي تريد عرضها واخترها حمل. يجب أن يظهر اسم الوظيفة في ملف التعريف المحمل قسم في الأعلى.
اختر اسم الوظيفة لإنشاء لوحة المعلومات والجدول الزمني. لاحظ أنه عند اختيار الوظيفة، تفتح واجهة المستخدم لوحة المعلومات تلقائيًا. يمكنك تحميل وتصور ملف تعريف واحد في كل مرة. لتحميل ملف تعريف آخر، يجب عليك أولاً إلغاء تحميل ملف التعريف الذي تم تحميله مسبقًا. لإلغاء تحميل ملف تعريف، اختر رمز سلة المهملات في ملف التعريف ملف التعريف المحمل والقسم الخاص به.
في هذا المنشور، نعرض الملف الشخصي لـ ألبيف مهمة تدريبية على حالتين ml.p4d.24xlarge.
بعد الانتهاء من تحميل مهمة التدريب واختيارها، تفتح واجهة المستخدم ملف لوحة المعلومات الصفحة ، كما هو موضح في لقطة الشاشة التالية.
يمكنك رؤية مخططات المقاييس الرئيسية، وهي الوقت النشط لوحدة معالجة الرسومات، واستخدام وحدة معالجة الرسومات بمرور الوقت، ووقت نشاط وحدة المعالجة المركزية، واستخدام وحدة المعالجة المركزية بمرور الوقت. يُظهر المخطط الدائري للوقت النشط لوحدة معالجة الرسومات النسبة المئوية للوقت النشط لوحدة معالجة الرسومات مقابل وقت خمول وحدة معالجة الرسومات، مما يمكننا من التحقق مما إذا كانت وحدات معالجة الرسومات أكثر نشاطًا من الخمول طوال مهمة التدريب بأكملها. يُظهر الرسم البياني لاستخدام وحدة معالجة الرسومات على مدار الوقت متوسط معدل استخدام وحدة معالجة الرسومات على مدار الوقت لكل عقدة، مع تجميع كافة العقد في مخطط واحد. يمكنك التحقق مما إذا كانت وحدات معالجة الرسومات لديها عبء عمل غير متوازن، أو مشكلات في الاستخدام المنخفض، أو اختناقات، أو مشكلات خاملة خلال فترات زمنية معينة. لمزيد من التفاصيل حول تفسير هذه المقاييس، راجع توثيق.
توفر لك لوحة المعلومات مخططات إضافية، بما في ذلك الوقت الذي تقضيه جميع نواة وحدة معالجة الرسومات، والوقت الذي تستغرقه أفضل 15 نواة وحدة معالجة الرسومات، وأعداد الإطلاق لجميع نواة وحدة معالجة الرسومات، وأعداد الإطلاق لأفضل 15 نواة وحدة معالجة الرسومات، كما هو موضح في لقطة الشاشة التالية.
وأخيرًا، تمكنك لوحة المعلومات من تصور مقاييس إضافية، مثل توزيع وقت الخطوة، وهو رسم بياني يوضح توزيع فترات الخطوات على وحدات معالجة الرسومات، والمخطط الدائري للتوزيع الدقيق للنواة، والذي يوضح النسبة المئوية للوقت المستغرق في تشغيل النوى في أنواع البيانات المختلفة مثل FP32، FP16، INT32، وINT8.
يمكنك أيضًا الحصول على مخطط دائري حول توزيع نشاط وحدة معالجة الرسومات الذي يوضح النسبة المئوية للوقت المستغرق في أنشطة وحدة معالجة الرسومات، مثل تشغيل النواة والذاكرة (memcpy
و memset
) والمزامنة (sync
). يمكنك تصور النسبة المئوية للوقت المستغرق في عمليات ذاكرة وحدة معالجة الرسومات من المخطط الدائري لتوزيع عمليات ذاكرة وحدة معالجة الرسومات.
يمكنك أيضًا إنشاء الرسوم البيانية الخاصة بك استنادًا إلى مقياس مخصص قمت بتعليقه يدويًا كما هو موضح سابقًا في هذا المنشور. عند إضافة تعليق توضيحي مخصص إلى رسم بياني جديد، حدد أو أدخل اسم التعليق التوضيحي الذي أضفته في البرنامج النصي للتدريب.
واجهة الجدول الزمني
تشتمل واجهة مستخدم SageMaker Profiler أيضًا على واجهة مخطط زمني توفر لك عرضًا تفصيليًا لموارد الحوسبة على مستوى العمليات والنوى المجدولة على وحدات المعالجة المركزية (CPUs) والتي يتم تشغيلها على وحدات معالجة الرسومات. يتم تنظيم المخطط الزمني في بنية شجرة، مما يوفر لك معلومات من مستوى المضيف إلى مستوى الجهاز، كما هو موضح في لقطة الشاشة التالية.
لكل وحدة معالجة مركزية، يمكنك تتبع عدادات أداء وحدة المعالجة المركزية، مثل clk_unhalted_ref.tsc
و itlb_misses.miss_causes_a_walk
. بالنسبة لكل وحدة معالجة رسومات على مثيل 2x p4d.24xlarge، يمكنك رؤية المخطط الزمني للمضيف والمخطط الزمني للجهاز. يتم تشغيل Kernel على المخطط الزمني للمضيف ويتم تشغيل kernel على المخطط الزمني للجهاز.
يمكنك أيضًا تكبير الخطوات الفردية. في لقطة الشاشة التالية، قمنا بتكبير step_41. شريط المخطط الزمني المحدد في لقطة الشاشة التالية هو AllReduce
التشغيل، وهو خطوة أساسية للاتصال والمزامنة في التدريب الموزع، ويتم تشغيله على GPU-0. في لقطة الشاشة، لاحظ أن إطلاق kernel في مضيف GPU-0 يتصل بتشغيل kernel في دفق جهاز GPU-0 1، المشار إليه بالسهم باللون السماوي.
التوفر والاعتبارات
يتوفر SageMaker Profiler في PyTorch (الإصدار 2.0.0 و1.13.1) وTensorFlow (الإصدار 2.12.0 و2.11.1). يوفر الجدول التالي روابط إلى المدعومة حاويات AWS للتعلم العميق لـ SageMaker.
الإطار | التجريبية | URI لصورة المحتوى القابل للتنزيل لـ AWS |
PyTorch | 2.0.0 | 763104351884.dkr.ecr.<region>.amazonaws.com/pytorch-training:2.0.0-gpu-py310-cu118-ubuntu20.04-sagemaker |
PyTorch | 1.13.1 | 763104351884.dkr.ecr.<region>.amazonaws.com/pytorch-training:1.13.1-gpu-py39-cu117-ubuntu20.04-sagemaker |
TensorFlow | 2.12.0 | 763104351884.dkr.ecr.<region>.amazonaws.com/tensorflow-training:2.12.0-gpu-py310-cu118-ubuntu20.04-sagemaker |
TensorFlow | 2.11.1 | 763104351884.dkr.ecr.<region>.amazonaws.com/tensorflow-training:2.11.1-gpu-py39-cu112-ubuntu20.04-sagemaker |
يتوفر SageMaker Profiler حاليًا في المناطق التالية: شرق الولايات المتحدة (أوهايو، شمال فيرجينيا)، وغرب الولايات المتحدة (أوريغون)، وأوروبا (فرانكفورت، أيرلندا).
يتوفر SageMaker Profiler في أنواع مثيلات التدريب ml.p4d.24xlarge وml.p3dn.24xlarge وml.g4dn.12xlarge.
للحصول على القائمة الكاملة للأطر والإصدارات المدعومة، راجع توثيق.
يتحمل SageMaker Profiler رسومًا بعد انتهاء الطبقة المجانية لـ SageMaker أو انتهاء الفترة التجريبية المجانية للميزة. لمزيد من المعلومات، راجع الأمازون SageMaker التسعير.
أداء ملف تعريف SageMaker
قمنا بمقارنة النفقات العامة لـ SageMaker Profiler مع العديد من ملفات التعريف مفتوحة المصدر. تم الحصول على خط الأساس المستخدم للمقارنة من تشغيل مهمة التدريب دون منشئ ملفات التعريف.
كشفت النتائج الرئيسية التي توصلنا إليها أن SageMaker Profiler أدى بشكل عام إلى مدة تدريب أقصر قابلة للفوترة لأنه كان لديه وقت إضافي أقل في دورات التدريب الشاملة. كما أنها أنتجت بيانات تعريف أقل (تصل إلى 10 مرات أقل) عند مقارنتها بالبدائل مفتوحة المصدر. تتطلب عناصر ملفات التعريف الأصغر حجمًا التي تم إنشاؤها بواسطة SageMaker Profiler مساحة تخزين أقل، وبالتالي توفير التكاليف أيضًا.
وفي الختام
يمكّنك SageMaker Profiler من الحصول على رؤى تفصيلية حول استخدام موارد الحوسبة عند تدريب نماذج التعلم العميق الخاصة بك. يمكن أن يمكّنك هذا من حل نقاط الأداء والاختناقات لضمان الاستخدام الفعال للموارد والذي سيؤدي في النهاية إلى خفض تكاليف التدريب وتقليل مدة التدريب الإجمالية.
للبدء في استخدام SageMaker Profiler، راجع توثيق.
حول المؤلف
روي أليلا هو مهندس حلول متخصص في الذكاء الاصطناعي / التعلم الآلي في AWS ومقره في ميونيخ ، ألمانيا. يساعد Roy عملاء AWS - من الشركات الناشئة الصغيرة إلى المؤسسات الكبيرة - في تدريب نماذج اللغة الكبيرة ونشرها بكفاءة على AWS. روي متحمس لمشاكل التحسين الحسابي وتحسين أداء أعباء عمل الذكاء الاصطناعي.
سوشانت مون هو عالم بيانات في AWS، الهند، وهو متخصص في توجيه العملاء خلال مساعيهم في مجال الذكاء الاصطناعي/التعلم الآلي. ومع خلفية متنوعة تشمل مجالات البيع بالتجزئة والتمويل والتأمين، فإنه يقدم حلولًا مبتكرة ومصممة خصيصًا. بعيدًا عن حياته المهنية، يجد "سوشانت" تجديدًا في السباحة ويسعى للإلهام من أسفاره إلى أماكن متنوعة.
ديكشا شارما هو مهندس حلول متخصص في الذكاء الاصطناعي/تعلم الآلة في المنظمة العالمية المتخصصة. وهي تعمل مع عملاء القطاع العام لمساعدتهم على تصميم تطبيقات التعلم الآلي الفعالة والآمنة والقابلة للتطوير، بما في ذلك حلول الذكاء الاصطناعي التوليدية على AWS. في أوقات فراغها، تحب ديكشا القراءة والرسم وقضاء الوقت مع عائلتها.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون السيارات / المركبات الكهربائية ، كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
- تشارت بريم. ارفع مستوى لعبة التداول الخاصة بك مع ChartPrime. الوصول هنا.
- BlockOffsets. تحديث ملكية الأوفست البيئية. الوصول هنا.
- المصدر https://aws.amazon.com/blogs/machine-learning/announcing-the-preview-of-amazon-sagemaker-profiler-track-and-visualize-detailed-hardware-performance-data-for-your-model-training-workloads/
- :لديها
- :يكون
- :ليس
- $ UP
- 1
- 10
- 100
- 11
- 12
- 125
- 13
- 15%
- 17
- 20
- 7
- 9
- a
- من نحن
- الوصول
- في
- تفعيل
- نشط
- أنشطة
- نشاط
- تضيف
- وأضاف
- مضيفا
- إضافي
- بعد
- ضد
- تجميع
- AI
- AI / ML
- الكل
- أيضا
- بالبدائل
- أمازون
- الأمازون SageMaker
- أمازون ويب سيرفيسز
- an
- و
- أعلن
- اعلان
- آخر
- أي وقت
- تظهر
- تطبيق
- التطبيقات
- نهج
- اقتراب
- هي
- AS
- تعيين
- At
- تلقائيا
- متاح
- المتوسط
- AWS
- خلفية
- على أساس
- خط الأساس
- BE
- لان
- أصبح
- كان
- البداية
- ينتمي
- ما بين
- Beyond
- المليارات
- BIN
- by
- CAN
- قدرات
- قدرة
- اسر
- معين
- التحديات
- اسعارنا محددة من قبل وزارة العمل
- رسم
- التحقق
- اختار
- الكود
- مشترك
- Communication
- مقارنة
- مقارنة
- إكمال
- الطلب مكتمل
- تعقيد
- إحصاء
- الاعداد
- يربط
- كنسولات
- حاويات
- سياق الكلام
- المقابلة
- التكلفة
- التكاليف
- عدادات
- خلق
- خلق
- خلق
- خلق
- حاليا
- على
- العملاء
- السماوي
- لوحة أجهزة القياس
- البيانات
- عالم البيانات
- عميق
- التعلم العميق
- حدد
- يسلم
- نشر
- وصف
- مفصلة
- تفاصيل
- جهاز
- مختلف
- وزعت
- التدريب الموزع
- توزيع
- عدة
- نطاق
- المجالات
- فعل
- إلى أسفل
- قيادة
- مدة الأقامة
- أثناء
- كل
- في وقت سابق
- الشرق
- فعال
- بكفاءة
- تمكين
- تمكن
- النهاية
- النهائي إلى نهاية
- المساعي
- ينتهي
- ضمان
- أدخل
- كامل
- دخول
- عصر
- عهود
- أساسي
- أوروبا
- أحداث
- واضح
- مثال
- اكتشف
- فشل
- للعائلات
- الميزات
- تمويل
- العثور على
- ويرى
- نهاية
- الاسم الأول
- تناسب
- متابعيك
- متابعات
- في حالة
- إلى الأمام
- الإطار
- الأطر
- مجانا
- تجربة مجانية
- تبدأ من
- بالإضافة إلى
- وظائف
- على العموم
- توليد
- ولدت
- توليدي
- الذكاء الاصطناعي التوليدي
- ألمانيا
- دولار فقط واحصل على خصم XNUMX% على جميع
- إعطاء
- وحدة معالجة الرسوميات:
- وحدات معالجة الرسومات
- رسم بياني
- النمو
- كان
- أجهزة التبخير
- يملك
- he
- مساعدة
- يساعد
- لها
- له
- مضيف
- كيفية
- كيفية
- HTML
- HTTP
- HTTPS
- i
- اي كون
- الخمول
- if
- صورة
- تنفيذ
- استيراد
- تحسين
- in
- يشمل
- بما فيه
- القيمة الاسمية
- الهند
- وأشار
- فرد
- غير فعال
- معلومات
- مبتكرة
- المدخلات
- رؤى
- إلهام
- مثل
- بدلًا من ذلك
- تعليمات
- التأمين
- السطح البيني
- إلى
- أيرلندا
- مسائل
- IT
- تكرير
- انها
- وظيفة
- المشــاريــع
- JPG
- القفل
- ملصقات
- هبوط
- لغة
- كبير
- إطلاق
- تطلق
- تعلم
- أقل
- مستوى
- المكتبة
- الحياة
- حدود
- خطوط
- وصلات
- قائمة
- تحميل
- جار التحميل
- يعد
- خسارة
- يحب
- منخفض
- آلة
- آلة التعلم
- مدير
- يدويا
- مكبر الصوت : يدعم، مع دعم ميكروفون مدمج لمنع الضوضاء
- طريقة
- طرق
- متري
- المقاييس
- الحد الأدنى
- ML
- نموذج
- عارضات ازياء
- تعديل
- الوحدات
- الأكثر من ذلك
- يجب
- الاسم
- أي
- قائمة الإختيارات
- حاجة
- جديد
- لا
- العقدة
- العقد
- موضوع
- تحصل
- تم الحصول عليها
- of
- عروض
- أوهايو
- on
- ONE
- فقط
- جاكيت
- المصدر المفتوح
- يفتح
- عملية
- عمليات
- التحسين
- الأمثل
- خيار
- or
- طلب
- ولاية أوريغون
- منظمة
- منظم
- على مدى
- الكلي
- الخاصة
- صفحة
- خبز
- المعلمات
- خاص
- خاصة
- عاطفي
- إلى
- نسبة مئوية
- أداء
- فترة
- أذونات
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- مسرور
- البوينت
- منشور
- دقة
- إعداد
- الشروط
- أرسال
- سابق
- سابقا
- مشاكل
- محترف
- ملفي الشخصي
- ملامح
- جانبي
- التقدّم
- تنفيذ المشاريع
- ويوفر
- جمهور
- بايثون
- pytorch
- سريع
- بسرعة
- معدل
- عرض
- تخفيض
- المناطق
- تجديد
- صلة
- إزالة
- تطلب
- مورد
- الموارد
- نتيجة
- بيع بالتجزئة
- أظهرت
- ارتفاع
- النوع
- روي
- يجري
- تشغيل
- يدير
- sagemaker
- حفظ
- إنقاذ
- تحجيم
- المقرر
- عالم
- مخطوطات
- الإستراحة
- بحث
- الثاني
- القسم
- القطاع
- تأمين
- انظر تعريف
- تسعى
- مختار
- اختيار
- كبير
- خدماتنا
- طقم
- ضبط
- هي
- ينبغي
- أظهرت
- يظهر
- عزباء
- المقاس
- صغير
- الأصغر
- الحلول
- مصدر
- توتر
- متخصص
- متخصصة
- محدد
- أنفق
- قضى
- بداية
- بدأت
- البدء
- دولة من بين الفن
- إحصائي
- الحالة
- خطوة
- خطوات
- توقف
- وقف
- تخزين
- مجرى
- بناء
- المقدمة
- هذه
- ملخص
- مدعومة
- تزامن
- جدول
- تناسب
- أخذ
- tensorflow
- من
- أن
- •
- من مشاركة
- منهم
- هناك.
- وبالتالي
- وبالتالي
- تشبه
- عبر
- طوال
- صف
- الوقت
- الجدول الزمني
- الجداول الزمنية
- مرات
- إلى
- تيشرت
- مسار
- تتبع الشحنة
- قطار
- قادة الإيمان
- تحويل
- يسافر
- شجرة
- محاكمة
- تريليونات
- اثنان
- أنواع
- عادة
- ui
- في النهاية
- فهم
- us
- تستخدم
- مستعمل
- مستخدم
- واجهة المستخدم
- المستخدمين
- استخدام
- مختلف
- الإصدار
- الإصدارات
- المزيد
- فرجينيا
- vs
- تريد
- وكان
- we
- الويب
- خدمات ويب
- West Side
- متى
- التي
- في حين
- سوف
- مع
- بدون
- أعمال
- في جميع أنحاء العالم
- سوف
- التفاف
- أنت
- حل متجر العقارات الشامل الخاص بك في جورجيا
- زفيرنت
- زوم