|
|
51CTO旗下网站
|
|
移动端

1.1 简介

《Python深度学习实战:75个有关神经网络建模、强化学习与迁移学习的解决方案》第1章编程环境、GPU 计算、云解决方案和深度学习框架,本章重点介绍构建深度学习框架用到的一些流行技术方案。本节为本章的简介。

作者:程国建/周冠武 译来源:机械工业出版社|2018-08-30 17:51

第1章 编程环境、GPU 计算、云解决方案和深度学习框架

本章重点介绍构建深度学习框架用到的一些流行技术方案。首先,提供在本地机器和云端搭建稳定而灵活的环境的解决方案,然后再详细讨论所有流行的Python 深度学习框架:

搭建一个深度学习环境;

在亚马逊网络服务(Amazon Web Services,AWS)上启动实例;

在Google 云平台(GCP)上启动实例;

安装CUDA 和cuDNN ;

安装Anaconda 和库文件;

连接服务器上的Jupyter Notebooks ;

用TensorFlow 构建最先进的即用模型;

直观地用Keras 建立网络;

使用PyTorch 的RNN(循环神经网络)动态计算图;

用CNTK 实现高性能模型;

使用MXNet 构建高效的模型;

使用简单、高效的Gluon 编码定义网络。

1.1 简介

深度学习的2018送彩金白菜网大全进展在一定程度上可以归因于计算能力的进步。计算能力的提高,更具体地说,就是使用GPU(图形加速器)来处理数据,它推动了神经网络从浅层到更深层
次的飞跃。在本章中,将向您展示如何为本书中使用的不同深度学习框架搭建稳定的环境,为后面的内容奠定基础。本书包含许多开源的深度学习框架,供研究人员和业内人士使用。每个框架都有其自身的优点,其中大多数是由一些大型科技公司提供的支持。

仔细按照第1 章中的步骤,读者应该能够使用本地或基于云的CPU(中央处理器)和GPU(图形处理器)来充分利用本书中的方法。本书中,使用了Jupyter Notebooks 来执行所有的代码块。这些Notebooks 以每个代码块的方式提供交互式反馈,使其非常值得品读。本方法中的注册送300元打到2000链接适用于支持NVIDIA GPU 的Ubuntu 机器或服务器。如果需要,请对应地更改链接和文件名。读者可以自由使用任何其他环境、包管理器(例如Docker 容器)或版本(如果需要)。但是,这些操作可能需要额外的步骤。

喜欢的朋友可以添加我们的微信账号:

51CTO读书频道二维码


51CTO读书会第9群:808517103

【责任编辑:book TEL:(010)68476606】

回书目   上一节   下一节
点赞 0
分享:
大家都在看
猜你喜欢

读 书 +更多

戴尔“血汗工厂”调查报告

去年11月至今年8月间,香港学生组织大学师生监察无良企业行动(以下简称SACOM)通过调查发现,戴尔公司位于东莞的三家代工厂严重违反了《劳...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊
博聚网