Mise en place d’un pipeline distribué d’entraînement pour très grand dataset d’images

Scénario

Contexte : Un dataset contient plusieurs millions d’images haute résolution. Le Problème : L’entraînement sur une seule machine devient impraticable. Contraintes : Concevoir un entraînement distribué multi-GPU. Assurer synchronisation correcte des gradients. Maintenir reproductibilité des expériences. Livrable attendu : Proposer une architecture distribuée complète permettant entraînement scalable et stable sur très grands volumes d’images.

Compétences ciblées