TAGC: Optimizing Gradient Communication in Distributed Transformer Training

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Polyakov, Igor, Dukhanov, Alexey, Spirin, Egor
Formato:	Preprint
Publicado:	2025
Materias:	Machine Learning Distributed, Parallel, and Cluster Computing I.2.6; C.2.4; 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/2504.05638