自动化分布式深度学习系统，在分布式集群上自动化训练深度学习模型

自动化分布式深度学习系统，在分布式集群上自动化训练深度学习模型 DLRover 自动在分布式集群上训练深度学习模型。它可以帮助模型开发人员专注于模型架构，而无需关心任何工程方面的事情，比如硬件加速、分布式运行等。现在，它为 K8s/Ray 上的深度学习训练作业提供自动化运维。主要特点为 Automatic Resource Optimization自动优化作业资源，提高训练性能和资源利用率。 动态数据分片，动态分配训练数据给每个worker而不是平分，更快的worker更多数据。 容错，单节点故障转移，无需重新启动整个作业。 自动缩放，在节点级别和 CPU/内存级别自动扩展/缩减资源。 |#机器学习