Quantize Once, Train Fast: Allreduce-Compatible Compression with Provable Guarantees

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Xin, Jihao, Canini, Marco, Richtárik, Peter, Horváth, Samuel
Formato:	Preprint
Publicado:	2023
Materias:	Machine Learning Distributed, Parallel, and Cluster Computing I.2.11
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2305.18627