Der Anwendungsfall: wie Graphcore Weights & Biases einsetzt
Graphcore uses Weights & Biases to track and compare machine learning experiments run across multiple IPU-POD systems and deployment locations, replacing internal tools and spreadsheets. It serves as a central source of truth for diagnosing failures and comparing past and current runs while training large models like BERT.
In den Worten des Kunden
We're now driving 50 or 100 times more experiments versus what we were doing before on the Mk1 IPU systemsNutzer von Weights & Biases in der Branche Halbleiter & Hardware
Unternehmen derselben Branche, mit öffentlichen Belegen.
Alle Kunden von Weights & Biases ansehen
Direkt zur Quelle
Auf Basis der veröffentlichten Fallstudie von Weights & Biases. Wir prüfen die öffentlichen Belege; die Ergebnisse gibt der Anbieter an.
wandb.ai- Quelle veröffentlicht
- 13. Okt. 2023
- Zuletzt geprüft
- 8. Okt. 2026
Screenshot der Quelle öffnen Was die Fallstudie behauptet und was wir geprüft haben
Was wir mit der Seite verglichen haben.
- Die Zahl: 50 or 100 timesGeprüft
Steht wörtlich auf der Seite, nahe dem Namen Graphcore.
- Die oben zitierte PassageGeprüft
Wörtlich von der Seite übernommen, nahe dem Namen Graphcore.
- Das VeröffentlichungsdatumGeprüft
Aus den eigenen Metadaten der Seite gelesen, nie geschätzt.
- Graphcore nutzt Weights & BiasesGeprüft
Eintrag mit Stufe Bestätigt.
- Das Ergebnis selbstNicht geprüft
Wir zitieren es; wir haben es nicht gemessen.
Weights & Biases allows them to scale up their experiments as they scale up the systems they're building. It lets them more easily discover what went wrong faster so that it can be fixed sooner.