Satura rādītājs:

Kā palaist AWS TensorFlow?
Kā palaist AWS TensorFlow?

Video: Kā palaist AWS TensorFlow?

Video: Kā palaist AWS TensorFlow?
Video: Introduction to Amazon Web Services by Leo Zhadanovsky 2024, Maijs
Anonim

Lai aktivizētu TensorFlow, atveriet Amazon Elastic Compute Cloud (Amazon EC2) DLAMI gadījumu ar Conda

  1. TensorFlow un Keras 2 operētājsistēmā Python 3 ar CUDA 9.0 un MKL-DNN palaidiet šo komandu: $ source activate tensorflow_p36.
  2. TensorFlow un Keras 2, izmantojot Python 2 ar CUDA 9.0 un MKL-DNN, palaidiet šo komandu:

Attiecīgi, vai TensorFlow darbojas ar AWS?

TensorFlow ™ ļauj izstrādātājiem ātri un viegli sākt dziļu mācīšanos mākonī. Tu var sāciet darbu AWS ar pilnībā pārvaldītu TensorFlow pieredze ar Amazon SageMaker - platforma mašīnmācīšanās modeļu izveidei, apmācībai un izvietošanai plašā mērogā.

Zināt arī, kas ir AWS TensorFlow? Kategorija: Tensorflow ieslēgts AWS TensorFlow ir atvērtā pirmkoda mašīnmācīšanās (ML) bibliotēka, ko plaši izmanto, lai izstrādātu smagus dziļos neironu tīklus (DNN), kuriem nepieciešama sadalīta apmācība, izmantojot vairākus GPU vairākos saimniekdatoros.

Jautājums ir arī par to, kā palaist AWS mašīnmācīšanos?

Sāciet darbu ar Deep Learning, izmantojot AWS Deep Learning AMI

  1. 1. darbība: atveriet EC2 konsoli.
  2. 1.b darbība. Izvēlieties pogu Palaist instanci.
  3. 2.a darbība: atlasiet AWS Deep Learning AMI.
  4. 2.b darbība. Detalizētās informācijas lapā izvēlieties Turpināt.
  5. 3.a darbība: atlasiet gadījuma veidu.
  6. 3.b darbība: palaidiet savu instanci.
  7. 4. darbība. Izveidojiet jaunu privātās atslēgas failu.
  8. 5. darbība. Noklikšķiniet uz Skatīt gadījumu, lai redzētu savas instances statusu.

Kā jūs apkalpojat TensorFlow modeli?

  1. Izveidojiet savu modeli. Importējiet Fashion MNIST datu kopu. Apmāciet un novērtējiet savu modeli.
  2. Saglabājiet savu modeli.
  3. Pārbaudiet savu saglabāto modeli.
  4. Pasniedziet savu modeli, izmantojot TensorFlow Serving. Pievienojiet TensorFlow Serving izplatīšanas URI kā pakotnes avotu: Instalējiet TensorFlow Serving.
  5. Iesniedziet pieprasījumu savam modelim TensorFlow apkalpošanā. Veiciet REST pieprasījumus.

Ieteicams: