文档帮助中心文档
火车深层网络在多个gpu,集群和云,使用并行计算工具箱™。扩大深度学习与多个gpu在本地或集群,并训练多个网络交互地或批处理作业。了解选项,看看并行扩展深度学习,在gpu上,在云端。
并行扩展深度学习,在gpu上,在云端
深度学习与MATLAB的选项®在并行和使用多个gpu,本地或在云中。
深度学习与MATLAB在多个gpu
使用多个gpu加速深层神经网络训练本地或在云中。
与大数据深度学习
火车深层神经网络使用大量数据。
云中的深度学习
访问云中的MATLAB深度学习。
并行使用实验管理器来训练网络
同时运行多个试验的一个实验。
在GPU上运行自定义训练循环和并行
加快定制培训循环运行在GPU,使用多个GPU并行,或集群。
火车使用MATLAB自动支持并行卷积神经网络训练。金宝app深度学习训练往往要花上数小时或数天。使用并行计算,可以加快训练使用多个图形处理单元(gpu)在本地或在集群的云。如果你访问一个有多个gpu的机器,你可以完成这个示例数据的本地副本。如果你想使用更多的资源,那么您可以扩大到云深学习培训。更多地了解你的选择并行训练,看到扩大并行深度学习和云。这个例子将指导您完成训练的步骤深入学习网络在集群在云中使用MATLAB自动并行的支持。金宝app
你的本地机器上使用多个gpu深度学习培训使用自动并行的支持。金宝app培训深入学习网络往往需要几小时或几天。使用并行计算,可以使用多个gpu加速训练。了解更多关于选择并行训练,看到扩大深度学习在并行和云。
培训经理深入学习网络分类使用实验。
培训经理深入学习网络回归使用实验。
在本地机器上运行多个深度学习实验。使用这个例子作为一个模板,您可以修改网络层和培训选项来满足您的特定应用程序的需求。您可以使用这种方法与一个或多个gpu。如果你有一个单一的GPU,网络训练一个接一个的背景。在这个例子的方法使您能够继续使用MATLAB®深度学习实验是在进步。
使用一个parfor循环执行一个参数扫描训练选项。
使用parfeval执行扫描参数对网络体系结构的深度深学习网络在训练和检索数据。
上传数据到一个Amazon S3 bucket。
建立一个定制的培训循环并行训练网络。在这个例子中,平行的工人训练部分整体mini-batch。如果你有一个GPU,然后训练在GPU上没有发生。在培训期间,DataQueue对象MATLAB将培训进展信息发送回客户端。
训练一个网络使用联合学习。联合学习技术,允许您在一个分布式网络训练,分散的方法[1]。
深度学习培训批作业发送给一个集群,这样你就可以继续工作或关闭MATLAB在训练。
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。金宝app
选择一个网站翻译内容,看到当地事件和提供。根据你的位置,我们建议您选择:。
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。
联系你当地的办公室