Conception d’une architecture TensorFlow distribuée multi-GPU pour entraînement massif

Scénario

Contexte : Une entreprise traite plusieurs millions d’images haute résolution et doit entraîner un modèle complexe dans un délai réduit. Le Problème : L’entraînement sur une seule machine prend plusieurs jours et devient impraticable. Contraintes : Utiliser tf.distribute (MirroredStrategy ou MultiWorkerStrategy). Garantir synchronisation correcte des gradients. Maintenir reproductibilité et cohérence des métriques. Gérer efficacement la mémoire GPU. Livrable attendu : Proposer une architecture distribuée complète avec stratégie d’entraînement scalable et plan de validation des performances.

Compétences ciblées