Die University Network

Verwenden von GPUs zum Skalieren und Beschleunigen von Deep Learning

BESCHREIBUNG

Das Training eines komplexen Deep-Learning-Modells mit einem sehr großen Datensatz kann Stunden, Tage und gelegentlich Wochen dauern. Also, was ist die Lösung? Beschleunigte Hardware. Sie können beschleunigte Hardware wie die Tensor Processing Unit (TPU) oder die Nvidia GPU von Google verwenden, um die Rechenzeit Ihres Faltungsnetzwerks in der Cloud zu beschleunigen. Diese Chips wurden speziell entwickelt, um das Training neuronaler Netze sowie die Verwendung trainierter Netze (Inferenz) zu unterstützen. Es wurde kürzlich nachgewiesen, dass beschleunigte Hardware die Schulungszeit erheblich verkürzt. Das Problem besteht jedoch darin, dass Ihre Daten möglicherweise vertraulich sind und Sie sich möglicherweise nicht wohl fühlen, wenn Sie sie in eine öffentliche Cloud hochladen, und es vorziehen, sie vor Ort zu analysieren. In diesem Fall müssen Sie ein internes System mit GPU-Unterstützung verwenden. Eine Lösung besteht darin, IBMs Power Systems mit Nvidia GPU und PowerAI zu verwenden. Die PowerAI-Plattform unterstützt gängige Bibliotheken und Abhängigkeiten für maschinelles Lernen, einschließlich Tensorflow, Caffe, Torch und Theano. In diesem Kurs erfahren Sie, was GPU-basierte beschleunigte Hardware ist und wie sie Ihren Anforderungen an die Skalierung von Deep Learning zugute kommen kann. Sie werden auch Deep-Learning-Netzwerke auf GPU-beschleunigter Hardware für verschiedene Probleme bereitstellen, einschließlich der Klassifizierung von Bildern und Videos.

Preis: $ 99 - KOSTENLOS zu prüfen!

Sprache: Englisch

Verwenden von GPUs zur Skalierung und Beschleunigung des Deep Learning über edX, eine von Harvard und MIT gegründete Bildungsplattform.

Verwenden von GPUs zum Skalieren und Beschleunigen von Deep Learning - IBM