先談?wù)劜僮黧w驗(yàn)：整個(gè)過程只需點(diǎn)點(diǎn)點(diǎn)即可
時(shí)間：2022-03-26 17:57:01 | 來源：行業(yè)動(dòng)態(tài)
時(shí)間：2022-03-26 17:57:01 來源：行業(yè)動(dòng)態(tài)
培訓(xùn)課程采用的是云端 NVIDIA GPU，具體基于NVIDIA的深度學(xué)習(xí)訓(xùn)練系統(tǒng)（Deep Learning GPU Training System, DIGITS）完成。由于系統(tǒng)中封裝了目前所流行的大部分深度學(xué)習(xí)開發(fā)框架，包括Caffe2、Torch、TensorFlow、MXNet等。學(xué)員只需要點(diǎn)點(diǎn)鼠標(biāo)、改改參數(shù)，就能輕松實(shí)現(xiàn)深度學(xué)習(xí)訓(xùn)練。
以圖像分類為例，整個(gè)動(dòng)手實(shí)驗(yàn)記者只做了以下操作：數(shù)據(jù)集創(chuàng)建、模型創(chuàng)建、模型訓(xùn)練、模型測試，就完成了基于深度學(xué)習(xí)模型的圖像分類、檢測等任務(wù)。
實(shí)驗(yàn)中所用的是MINIST數(shù)據(jù)集，由0-9共10個(gè)數(shù)字的不同手寫文字的圖像組成，每個(gè)手寫數(shù)字都是28*28像素的圖像，共有70000個(gè)訓(xùn)練樣本和10000個(gè)測試樣本。
通過將數(shù)據(jù)輸入到創(chuàng)建的模型中（這里使用的是DIGITS現(xiàn)有的LeNet卷積神經(jīng)網(wǎng)絡(luò)），在1分鐘內(nèi)就完成了對(duì)70000個(gè)樣本的訓(xùn)練。同時(shí)，整個(gè)過程以可視化界面的方式展現(xiàn)出來，可以隨時(shí)看到訓(xùn)練損失、驗(yàn)證損失、驗(yàn)證正確率、學(xué)習(xí)率變化、GPU資源占用等訓(xùn)練進(jìn)度信息。如下圖：
模型訓(xùn)練完成后，就可以導(dǎo)入手寫體數(shù)字圖片進(jìn)行測試，以下是測試結(jié)果，呈現(xiàn)了圖片為具體數(shù)字可能性的概率：
完成！總而言之，整個(gè)過程只需點(diǎn)點(diǎn)點(diǎn)即可。
當(dāng)然，這只是NVIDIA DLI系列培訓(xùn)中非?；A(chǔ)的一個(gè)課程，開發(fā)者在實(shí)際應(yīng)用中也可以根據(jù)需要導(dǎo)入自己的數(shù)據(jù)集、創(chuàng)建自己的模型，去完成如圖像分割、圖像生成，以及自然語言處理等更深入的場景應(yīng)用。
在線咨詢