Optimisation avancée via mixed precision training avec PyTorch

Scénario

Contexte : L’entraînement d’un modèle profond est limité par la mémoire GPU disponible. Le Problème : Le modèle dépasse la capacité mémoire lors de l’entraînement en pleine précision. Contraintes : Utiliser torch.cuda.amp pour mixed precision. Vérifier stabilité numérique. Comparer temps d’entraînement et consommation mémoire. Livrable attendu : Implémenter une stratégie mixed precision robuste et analyser les gains en performance.

Compétences ciblées