TAGC: Optimizing Gradient Communication in Distributed Transformer Training

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Polyakov, Igor, Dukhanov, Alexey, Spirin, Egor
Format:	Preprint
Publié:	2025
Sujets:	Machine Learning Distributed, Parallel, and Cluster Computing I.2.6; C.2.4; I.2.11
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2504.05638