Comment pouvez-vous programmer dans la bibliothèque keras (ou tensorflow) pour partitionner la formation sur plusieurs GPU? Supposons que vous vous trouviez dans une instance Amazon ec2 comportant 8 GPU et que vous souhaitiez toutes les utiliser pour vous entraîner plus rapidement, mais que votre...
J'ai vu des discussions sur la «surcharge» d'un GPU, et que pour les «petits» réseaux, il peut en fait être plus rapide de s'entraîner sur un CPU (ou réseau de CPU) qu'un GPU. Qu'entend-on par «petit»? Par exemple, un MLP monocouche avec 100 unités cachées serait-il «petit»? Notre définition de...
Je suis un débutant en apprentissage profond. Existe-t-il maintenant un moyen d'utiliser TensorFlow avec des GPU Intel? Si oui, veuillez m'orienter dans la bonne direction. Sinon, faites-moi savoir quel framework, le cas échéant, (Keras, Theano, etc.) puis-je utiliser pour mon contrôleur graphique...
Existe-t-il des packages d'apprentissage automatique pour R qui peuvent utiliser le GPU pour améliorer la vitesse de formation (quelque chose comme theeano du monde python)? Je vois qu'il existe un paquet appelé gputools qui permet l'exécution de code sur le GPU, mais je cherche une bibliothèque...
J'exécute un réseau neuronal d'apprentissage en profondeur qui a été formé par un GPU. Je veux maintenant déployer cela sur plusieurs hôtes pour l'inférence. La question est de savoir quelles sont les conditions pour décider si je dois utiliser des GPU ou des CPU pour l'inférence? Ajout de plus de...
Je prends actuellement un article sur le Big Data qui nous fait utiliser R fortement pour l'analyse des données. Il se trouve que j'ai un GTX1070 dans mon PC pour des raisons de jeu. Ainsi, je pensais que ce serait vraiment cool si je pouvais utiliser cela pour accélérer une partie du traitement de...
J'aimerais pouvoir estimer si un modèle proposé est suffisamment petit pour être formé sur un GPU avec une quantité de mémoire donnée Si j'ai une architecture CNN simple comme celle-ci: Input: 50x50x3 C1: 32 noyaux 3x3, avec rembourrage (je suppose qu'ils sont en réalité 3x3x3 étant donné la...
Je me demande pourquoi la formation des RNN n'utilise généralement pas 100% du GPU. Par exemple, si j'exécute ce test RNN sur un Maxwell Titan X sur Ubuntu 14.04.4 LTS x64, l'utilisation du GPU est inférieure à 90%: Le benchmark a été lancé à l'aide de la commande: python rnn.py -n 'fastlstm' -l...