Sisällysluettelo:

Kuinka käytän AWS TensorFlow'ta?
Kuinka käytän AWS TensorFlow'ta?

Video: Kuinka käytän AWS TensorFlow'ta?

Video: Kuinka käytän AWS TensorFlow'ta?
Video: Быстрее всех: как я первым добавил TensorBoard в свой скрипт RVC на Kaggle | RVC заиграл по новому | 2024, Marraskuu
Anonim

Aktivoi TensorFlow avaamalla DLAMI:n Amazon Elastic Compute Cloud (Amazon EC2) -esiintymä Condan kanssa

  1. TensorFlow ja Keras 2 Python 3:ssa, jossa on CUDA 9.0 ja MKL-DNN, suorita tämä komento: $ source activate tensorflow_p36.
  2. Suorita tämä komento TensorFlow:lle ja Keras 2:lle Python 2:ssa, jossa on CUDA 9.0 ja MKL-DNN:

Toimiiko TensorFlow vastaavasti AWS:llä?

TensorFlow ™ mahdollistaa sen, että kehittäjät voivat nopeasti ja helposti aloittaa syvän oppimisen pilvessä. Sinä voi aloita AWS täysin hallitun kanssa TensorFlow kokemusta kanssa Amazon SageMaker, alusta koneoppimismallien rakentamiseen, kouluttamiseen ja käyttöönottoon mittakaavassa.

Tiedätkö myös, mikä on AWS TensorFlow? Kategoria: Tensorflow päällä AWS TensorFlow on avoimen lähdekoodin koneoppimiskirjasto (ML), jota käytetään laajalti raskaiden syvähermoverkkojen (DNN) kehittämiseen, jotka vaativat hajautettua koulutusta käyttämällä useita GPU:ita useiden isäntien kesken.

Kysymys kuuluu myös, kuinka suoritan AWS-koneoppimista?

Aloita Deep Learning AWS Deep Learning AMI:n avulla

  1. Vaihe 1: Avaa EC2-konsoli.
  2. Vaihe 1b: Valitse Launch Instance -painike.
  3. Vaihe 2a: Valitse AWS Deep Learning AMI.
  4. Vaihe 2b: Valitse tietosivulla Jatka.
  5. Vaihe 3a: Valitse esiintymän tyyppi.
  6. Vaihe 3b: Käynnistä esiintymäsi.
  7. Vaihe 4: Luo uusi yksityinen avaintiedosto.
  8. Vaihe 5: Napsauta Näytä ilmentymä nähdäksesi ilmentymäsi tilan.

Kuinka palvelet TensorFlow-mallia?

  1. Luo mallisi. Tuo Fashion MNIST -tietojoukko. Harjoittele ja arvioi mallisi.
  2. Tallenna mallisi.
  3. Tarkista tallennettu malli.
  4. Tarjoile malliasi TensorFlow Servingin avulla. Lisää TensorFlow Serving -jakelun URI pakettilähteeksi: Asenna TensorFlow Serving.
  5. Tee pyyntö mallillesi TensorFlow Servingissa. Tee REST-pyyntöjä.

Suositeltava: