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,在gpu上,在云端。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循环执行参数扫描训练选项。

使用parfeval执行一个参数对网络体系结构的深度扫描深度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。

火车深入学习网络在Amazon EC2的云使用MATLAB®®实例。

训练你的深度学习与训练数据模型存储在Amazon S3™桶并保存训练模型到云上。

调整你的深度学习网络通过使用云中的实验管理器。利用多个NVIDIA®高性能gpu在AWS®EC2实例中运行多个并行实验。调优hyperparameters网络和尝试不同的网络架构。你可以通过一系列hyperparameters自动扫描并保存每个变化的结果。比较结果的实验来找到最好的网络。