Использование технологий NVIDIA для решения задач глубокого обучения
Материал из MachineLearning.
(Различия между версиями)
(Новая: {{tip|Статья, посвященная использованию графических ускорителей NVIDIA для решения задач глубокого обуче...) |
|||
| Строка 1: | Строка 1: | ||
{{tip|Статья, посвященная использованию графических ускорителей NVIDIA для решения задач глубокого обучения будет размещена в течение мая. Категория: Инструменты и технологии. --[[Участник:Strijov|Strijov]] 15:57, 20 апреля 2015 (MSD)}} | {{tip|Статья, посвященная использованию графических ускорителей NVIDIA для решения задач глубокого обучения будет размещена в течение мая. Категория: Инструменты и технологии. --[[Участник:Strijov|Strijov]] 15:57, 20 апреля 2015 (MSD)}} | ||
| + | |||
| + | Ниже приведен обзор методов построения сетей глубокого обучения на графических акселераторах. Решаются задачи машинного обучения: распознавания образов, речи, классификация сигналов. Для решения задач используются программные пакеты Torch, Theano, Caffe, cuDNN, предназначенные для работы с графическими ускорителями NVIDIA. Сравнивается работа ускорителей, Tesla X и [наш], на серверах mvr.jmlda.org и Amazon S3. | ||
[[Категория:Инструменты и технологии]] | [[Категория:Инструменты и технологии]] | ||
Версия 12:59, 20 апреля 2015
| Статья, посвященная использованию графических ускорителей NVIDIA для решения задач глубокого обучения будет размещена в течение мая. Категория: Инструменты и технологии. --Strijov 15:57, 20 апреля 2015 (MSD) |
Ниже приведен обзор методов построения сетей глубокого обучения на графических акселераторах. Решаются задачи машинного обучения: распознавания образов, речи, классификация сигналов. Для решения задач используются программные пакеты Torch, Theano, Caffe, cuDNN, предназначенные для работы с графическими ускорителями NVIDIA. Сравнивается работа ускорителей, Tesla X и [наш], на серверах mvr.jmlda.org и Amazon S3.
