Distributed Training with TensorFlow Java

Offen

#369 erstellt am 19.8.2021 8 Kommentare 1 Reaktion 0 zugewiesene Personen Auf GitHub ansehen

Dieses Issue hat noch niemand übernommen.

Bewertung

Schwierigkeit: 5/5
Geschätzter Aufwand: Über eine Woche
Anfängerfreundlichkeit: 20/100

Issue-Typ: Feature
Klarheit: Muss geklärt werden
Aktivitätsstatus: Veraltet
Tech-Stack: java, tensorflow
Bereich: distributed-systems, machine-learning

Rechercherichtung

Lesen Sie zunächst den Leitfaden zum verteilten Training von TensorFlow und vergleichen Sie dessen tf.distribute.Strategy API mit den Java-Bindings in diesem Repository. Ermitteln Sie, welche Funktionen für verteiltes Training und welcher Umfang der Java API im Rahmen liegen, und definieren Sie anschließend Tests oder Beispiele, die Training mit mehreren GPUs oder auf mehreren Maschinen vor der Implementierung demonstrieren.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Beschreibung

Please make sure that this is a feature request. As per our GitHub Policy, we only address code/doc bugs, performance issues, feature requests and build/installation issues on GitHub. tag:feature_template

System information

TensorFlow version (you are using): 2.X
Are you willing to contribute it (Yes/No): Yes, when able and available

Describe the feature and the current behavior/state.
Tensorflow on Python has tf.distribute.Strategy API to distribute training across multiple GPUs or multiple machines.

Will this change the current api? How?
Yes, it will add a new awesome feature

Who will benefit with this feature?

Anyone that requires to speed up training a DL model
Anyone that requires to train a DL model with big data
Anyone who wants to create or add Java support for APIs that leverages tf.distribute.Strategy such as TensorflowOnSpark, Spark Tensorflow Distributor or Horovod

Any Other info.
https://www.tensorflow.org/guide/distributed_training

Vorherrschende Sprache: Java
Sterne: 928
Forks: 227
PR-Merge-Kennzahlen: Keine gemergten PRs in 30 T.

Beitragsleitfaden

Beitragsleitfaden öffnen

Erste Schritte

Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
Forken Sie das Repository und arbeiten Sie in einem Branch.
Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.

Mehr aus tensorflow/java

sun.misc.Unsafe memory-access deprecation (JEP 471): JDK 24+ warns, and future deny-by-default JDKs will break ndarray raw buffers at runtime instead of falling back Offen

Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 65/100

tensorflow/java#653 · 1 Kommentar · 4 Reaktionen · Erstellt am 30.7.2026
Request for support for Protobuf Java 4.x.x (specifically 4.32.1) in TensorFlow Java Offen

Schwierigkeit 5/5 Über eine Woche Anfängerfreundlichkeit 25/100

tensorflow/java#621 · 4 Kommentare · Erstellt am 14.10.2025
Tensorflow profiler java bindings Offen

Schwierigkeit 5/5 Über eine Woche Anfängerfreundlichkeit 25/100

tensorflow/java#617 · 3 Kommentare · Erstellt am 16.9.2025
NnOps topK not allowing variadic args for TopK.Options Offen

Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 55/100

tensorflow/java#615 · 1 Kommentar · Erstellt am 31.7.2025
Advice needed: how to check number of/any CUDA devices available? Offen

Schwierigkeit 5/5 Über eine Woche Anfängerfreundlichkeit 25/100

tensorflow/java#614 · 1 Kommentar · Erstellt am 29.6.2025

Alle Issues in tensorflow/java