文档帮助中心文档
使用并行计算工具箱™在多个gpu、集群和云上训练深度网络。在本地或集群上使用多个gpu扩展深度学习,交互式或批处理作业训练多个网络。要了解选项,请看在gpu和云上并行扩展深度学习.
在gpu和云上并行扩展深度学习
MATLAB深度学习选项®并行并使用多个GPU,本地或云中。
基于MATLAB的多gpu深度学习
使用本地或云中的多个gpu加速深度神经网络训练。
利用大数据进行深度学习
使用大量数据训练深层神经网络。
云端深度学习
在云中访问MATLAB进行深度学习。
使用实验管理器并行训练网络
同时运行一个实验的多个试验。
在GPU上并行运行自定义训练循环
通过在GPU上运行,在多个GPU上并行运行,或在集群上运行,加速自定义训练循环。
利用MATLAB自动支持并行训练卷积神经网络。金宝app深度学习训练通常需要数小时或数天。通过使用并行计算,您可以在本地或云中的集群中使用多个图形处理单元(gpu)加快培训速度。如果您可以访问具有多个gpu的机器,那么您可以在数据的本地副本上完成这个示例。如果你想使用更多的资源,那么你可以将深度学习培训扩展到云。要了解更多关于并行培训选项的信息,请参见在并行和云中扩展深度学习。这个例子指导您通过使用MATLAB自动并行支持在云中的集群中训练深度学习网络的步骤。金宝app
使用自动并行支持在本地机器上使用多个gpu进行深度学习训练。金宝app训练深度学习网络通常需要数小时或数天。使用并行计算,您可以使用多个gpu加速训练。要了解有关并行培训选项的更多信息,请参见在并行和云中扩展深度学习。
使用实验管理器为分类训练深度学习网络。
使用实验管理器训练回归深度学习网络。
在本地机器上运行多个深度学习实验。使用此示例作为模板,您可以修改网络层和培训选项,以满足特定的应用程序需求。您可以对单个或多个gpu使用这种方法。如果你只有一个GPU,网络就会在后台一个接一个地训练。本例中的方法使您能够在进行深度学习实验时继续使用MATLAB®。
使用parfor循环对训练选项执行参数扫描。
使用parfeval对深度学习网络的网络结构深度进行参数扫描,并在训练过程中检索数据。
上传数据到Amazon S3桶。
设置自定义训练循环以并行训练网络。在本例中,并行工人在整个小批量的部分上进行培训。如果你有一个GPU,那么训练就在GPU上进行。在训练期间,DataQueue对象将训练进度信息发送回MATLAB客户端。
使用联合学习训练网络。联合学习是一种使您能够以分布式、分散的方式训练网络的技术[1]。
将深度学习培训批作业发送到集群,以便您可以在培训期间继续工作或关闭MATLAB。
Hai fatto clic su un collegamento che Corrido向comando MATLAB提出了一个问题:
Esegui il comando inserendolo nella finestra di comando MATLAB。我浏览器web非supportano金宝app I命令MATLAB。
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
您还可以从以下列表中选择网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
联系当地办事处