内容字号:默认大号超大号

段落设置:段首缩进取消段首缩进

字体设置:切换到微软雅黑切换到宋体

以及以数据为中心将如何帮助减少浪费

2018-05-22 23:16 出处:未知 人气: 评论(0

  北京pk10走势图集成学习算法本身不算一种单独的机器学习算法,而是通过构建并结合多个机器学习器来完成学习任务。可以说是集百家 之所长,能在机器学习算法中拥有较高的准确率,不足之处就是模型的训练过程可能比较复杂,效率不是很高。

  Software Wasteland

  几乎所有企业信息系统的实现成本都超过了实际应该花费的数量。如果你拥有数百或数千个复杂的应用程序,将陷入以应用程序为中心的困境。在“Software Wasteland”一书中,Dave McComb探讨了导致应用程序开发出现浪费的原因、如何对变更成本进行可视化,以及以数据为中心将如何帮助减少浪费。

  据在Google官网了解到的信息,如果用户需要额外的计算能力进行深度学习,最多可以将8个GPU(4块K80的板子)连接到自定义的Google Compute Engine虚拟机。GPU可以加速多种类型的计算分析,例如:视频和图像转码、地震分析、分子建模、基因组学、计算金融、模拟、高性能数据分析、计算化学、金融、流体动力学和可视化等等。

  Google Compute Engine上的GPU是直接连接到虚拟机上的,提供了与裸机相同的性能。它不需要用户在自己的数据中心构建GPU集群,只需添加GPU到Google的云中的虚拟机即可。用户可以灵活地选择1、2、4或8块NVIDIA GPU来构建自己的服务器形态,从而使得服务器上的自定义虚拟机实例获得最佳性能。

  每块NVIDIA K80配有2,496个流处理器、12GB的GDDR5内存。

  用户选择Google云GPU的好处是,只需按使用的量支付费用,不需自己构建、维护一个GPU集群,就可以进行快速的深度学习和机器学习训练,而这些都是零资本投资的结果。

  Google云GPU集成了Google云机器学习(Google Cloud Machine Learning,简写Cloud ML),帮助用户节省大规模使用TensorFlow框架训练机器学习模型所需的时间。现在,用户不需要花费几天时间在单台机器上用大量的图像数据集训练一个图像分类器,就可以在云机器学习中使用多个GPU执行分布式训练,大大缩短开发周期并快速迭代模型。

  Google建议用户先在小数据集上并训练TensorFlow模型开始,然后启动更大的云机器学习,用整个数据集训练模型,以充分利用Google云GPU的规模和性能。有关Cloud ML的更多信息,请参阅《快速入门指南》并开始使用,查看《Using GPUs for Training Models in the Cloud》这篇文档以深入了解Google云GPU。用户还可以使用gcloud命令行来创建VM,并开始尝试TensorFlow加速机器学习。

分享给小伙伴们:
本文标签: 谷歌云计算平台

相关文章

评论

发表评论愿您的每句评论,都能给大家的生活添色彩,带来共鸣,带来思索,带来快乐。

签名: 验证码: 点击我更换图片

评论列表

    Copyright © 2002-2018 北京pk10走势图 版权所有|黔ICP备16006823号-1