여러 GPU에서 교육을 분할하기 위해 keras 라이브러리 (또는 tensorflow)에서 어떻게 프로그래밍 할 수 있습니까? 8 개의 GPU가있는 Amazon ec2 인스턴스에 있고 이들 모두를 사용하여 더 빨리 훈련하고 싶지만 코드는 단일 CPU 또는 GPU 전용이라고 가정 해 봅시다.
GPU의 '오버 헤드'에 대한 토론을 보았고 '소규모'네트워크의 경우 실제로 GPU보다 CPU (또는 CPU 네트워크)에서 학습하는 것이 더 빠를 수 있습니다. '작은'이란 무엇입니까? 예를 들어, 숨겨진 단위가 100 개인 단일 계층 MLP가 '작은'입니까? '소형'에 대한 정의가 반복 아키텍처에 대해 변경됩니까? CPU 또는 GPU 훈련 여부를 결정할 때 고려해야 할 다른 기준이 …
나는 딥 러닝의 초보자입니다. Intel GPU와 함께 TensorFlow를 사용할 수있는 방법이 있습니까? 그렇다면 올바른 방향으로 알려주십시오. 그렇지 않은 경우 Intel Corporation Xeon E3-1200 v3 / 4 세대 코어 프로세서 통합 그래픽 컨트롤러에 사용할 수있는 프레임 워크 (Keras, Theano 등)가 있으면 알려주십시오.
GPU로 훈련받은 딥 러닝 신경망을 실행하고 있습니다. 이제 추론을 위해 이것을 여러 호스트에 배포하고 싶습니다. 문제는 추론을 위해 GPU 또는 CPU를 사용해야하는지 여부를 결정하는 조건은 무엇입니까? 아래 주석에서 더 자세한 내용을 추가하십시오. 나는 이것에 익숙하지 않으므로 지침에 감사드립니다. 메모리 : GPU는 K80 프레임 워크 : Cuda와 cuDNN 워크로드 당 데이터 …
현재 빅 데이터에 관한 논문을 작성 중이며 데이터 분석에 R을 많이 활용하고 있습니다. 게임상의 이유로 PC에 GTX1070이 있습니다. 따라서 강사가 수행하는 작업의 일부 처리 속도를 높이기 위해 사용할 수 있다면 정말 멋지다고 생각했지만 실제로는 쉽지 않습니다. gpuR, CUDA, Rtools 및 몇 가지 다른 비트와 밥을 설치했으며 예를 들어 게놈 표현식 …