Hecate: Unlocking Efficient Sparse Model Training via Fully Sharded Sparse Data Parallelism

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Qing, Yuhao, Zhu, Guichao, Li, Fanxin, Lei, Lintian, Sun, Zekai, Guan, Xiuxian, Zhao, Shixiong, Chen, Xusheng, Huang, Dong, Wang, Sen, Cui, Heming
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2502.02581