大家好,今天小编关注到一个比较有意思的话题,就是关于linux深度学习框架教程的问题,于是小编就整理了4个相关介绍Linux深度学习框架教程的解答,让我们一起看看吧。
没有GPU的我们如何利用亚马逊GPU服务器训练深度学习?
- 访问 aws.amzon.com 注册一个账号(注意:需要国际信用卡,对新用户而言,AWS赠送了一点免费额度,不过必须验证信用卡之后才能使用免费额度)。
- 在AWS市场搜索AWS Deep Learning AMI(基于Ubuntu或Amazon自家的Amazon Linux)
- 按照提示一步步创建并运行虚拟机。
- 然后ssh连上去就可以操作了。
除了AWS官方的AMI外,还可以在社区AMI中搜索DLAMI.V1.
DLAMI是新加坡国立大学的Ritchie Ng做的AMI镜像(Ritchie Ng也是NVIDIA深度学习机构讲师),里面包含了主流的深度学习框架(PyTorch、TensorFlow、Keras、MXNet、Torch、CNTK、Caffe等等),开箱即用。
另外,AWS之外,主流的GPU云提供商还有:
- Google家的GCP(Google Cloud Platform,cloud.google.com/gpu/)
- 微软家的Azure(N系列是GPU虚拟机,azure.microsoft.com/en-us/pricing/details/virtual-machines/series/)。
国内的话,GPU云提供商有:
哪里可以找到完整的深度学习代码?
学习深度学习,这里我扩展到整个机器学习领域,我这里给大家推荐两本书,一个学习框架,一套实践课程!
深度学习的圣经
相信关注深度学习的都知道,深度学习有一本圣经,那就是《Deep Learning》,目前这本书除了英文原版,中文版也已经翻译出版了,在各大电商平台都能够买得到,我建议去Amazon购买,中文版大约120人民币,英文原版书籍大约450人民币。如果你觉得不想花这笔钱,直接去deep learning官网以及github上查看,并且也有中文版,我也有PDF版本,大家可以私信我发给大家,当然我建议还是直接买书有感觉一些。
这本书的三位作者Ian Goodfellow、Yoshua Bengio和Aaron Courville是深度学习领域的顶级学者,中间这位相信不用介绍了吧,学习人工智能的如果不知道这位大大的,你就不配学习人工智能!Geoffrey Hinton、Yann LeCun、Yoshua Bengio三人齐名,是人工智能领域的三驾马车,而且三人分别是Google、Microsoft、Facebook三家企业的人工智能实验室主管,江湖地位可见一斑。而这本书的作者就是三巨头其中之一,这么说,不要怀疑这本书的价值和地位,如果你要学习深度学习、学习人工智能,这本书必看!
中文书籍的经典
南京大学教授,南京大学计算机系副主任,南京大学人工智能学院院长周志华教授的《机器学习》,是一本非常好的机器学习入门书籍,非常经典。这么多年,我国计算机教育界出了很多成功的书籍,比如严蔚敏教授的《数据结构》、谭浩强教授的《C程序设计》,可以说都是非常成功的书籍,但是我觉得真正能成为优秀的书籍的,就是周志华教授的这本《机器学习》了。
这本书的优点有,公式推导非常详细,参考文献也十分详尽,基本上本科生的数学基础是完全没有问题的,比深度学习这本书难度要低一些,这本书也是必看的。
恩达博士的课程
吴恩达博士不用多说了吧,原谷歌、百度的首席科学家,人工智能实验室主管,Google Brian和百度大脑的设计师,恩达博士从创立Coursera这一Mooc网站开始,就致力于推广人工智能,降低人工智能的学习门槛。
而恩达博士也推出了一门非常棒的实践课程,叫做《Machine Learning Yearing》,这门课程我也有电子书,感兴趣的同学也可以私信我。
谷歌的学习框架
目前行业最好的深度学习框架是什么?毫无疑问是TensorFlow,TensorFlow是通过数据流图的形式来实现,拥有完备的Tutorial,官方的支持document非常完善,就好像学习Arch Linux一样,你就知道开源软件的官方文档是多么的重要。
TensorFlow出现了以后,渐渐地有很多高级的第三方包例如keras,你也可以跟着GitHub上那些排名考前的demo写自己的model,你绝对值得拥有,感谢Google为大家又提供了一款这么好的开源软件,人工智能学习的最好帮手。
好了,文章篇幅有限,文章中提到的电子书籍,需要的可以私信我,但是平时比较忙,有时候没来得及第一时间回复还请原谅,也欢迎大家关注我的账号。
为什么有人偏好在Ubuntu下进行「深度学习」呢?
深度学习主要依靠显卡的计算能力。在windows下你用的显卡可能几千块钱。做一个简单的手写体识别,可能花几个小时就搞定了。但是你要做一些复杂的功能大图像的识别处理。需要的算力非常大。这时候就要用到高性能的显卡,和显卡集群。这些高端的显卡从几万到几百万之间。但是这些显卡并不支持windows系统。你在集群上需要一个小时跑完的东西在windows上可能需要几百年。所以你不用纠结,没有一个深度学习从业者会在windows下做研究。在linux下做深度学习,不是偏好而是必须,在win下做研究,连入门都入不了,仅限于了解知道这个东西。
所以当你提出来这个问题的时候,说明你并不适合做这个行业。
大数据的框架主要学习和使用什么呢?
你说的应该是大数据平台中的主流框架,我列举一下:
(一)Hadoop生态圈
- HDFS:分布式文件系统,解决大数据的存储
- Yarn(MapReduce):分布式计算框架,解决大数据的计算
- Hive:Hadoop中的数据分析引擎,支持SQL
- HBase:基于HDFS的NoSQL数据库
- ZooKeeper:分布式协调服务,可以用于实现HA(高可用架构)
- 其他
- (二)Spark生态圈
- Spark Core:Spark的核心,用于离线计算
- Spark SQL:Spark的数据分析引擎,支持SQL语句
- Spark Streaming:Spark的流式计算引擎,但本质依然是离线计算
- MLlib:机器学习框架
- (三)Flink生态圈
- Flink DataSet:Flink批处理(离线计算)API
- Flink DataStream:Flink流处理(实时计算)API
- Flink Table&SQL:Flink的数据分析引擎,支持SQL语句
- MLlib:机器学习框架
到此,以上就是小编对于linux深度学习框架教程的问题就介绍到这了,希望介绍关于linux深度学习框架教程的4点解答对大家有用。