如果您没有合适的GPU可用来训练您的深度神经网络,您可以使用云中的一个或多个高性能GPU来加速您的深度学习应用程序。在云中工作需要一些初始设置,但是使用云资源可以显著减少培训时间,或者允许您在相同的时间内培训更多的网络。
您可以在一台机器上使用一个或多个gpu加速培训,也可以使用带有gpu的机器集群。使用多个gpu训练单个网络,或者同时训练多个模型。
在你建立MATLAB之后®或MATLAB并行服务器™在您选择的云平台中,只需对本地机器上运行的代码进行最小的更改,就可以执行深度学习。有关为不同的并行环境调整深度学习代码的更多信息,请参见在gpu和云上并行扩展深度学习.
请注意
如果您在云中的单个机器上运行MATLAB,并通过ssh或远程桌面协议(RDP)进行连接,那么网络执行和培训使用与在本地机器上运行相同的代码。
使用GPU或并行选项需要并行计算工具箱™。使用GPU也需要支持的GPU设备。金宝app有关支持的设备的信息,请参见金宝appGPU支金宝app持情况(并行计算工具箱).使用远程集群还需要MATLAB并行服务器.
MathWorks®提供了几种在公共云(如Amazon)中访问MATLAB的方法®Web服务(AWS®)和Azure®可以根据您的需要进行配置。要使用公共云产品,您必须在您选择的云平台上拥有一个帐户。
通过使用预配置的机器模板,这些云服务使您可以轻松地在云中运行MATLAB。你不需要自己安装MATLAB。
下表显示了在云中访问MATLAB的一些选项。
类型的资源 | 云解决方案 | 额外的信息 | 了解更多 |
---|---|---|---|
单台机器 |
MATLAB深度学习容器 |
|
|
Azure市场 |
|
||
参考AWS和Azure的架构模板 |
|
||
集群 | MathWorks云中心 |
|
|
Azure市场 |
|
从微软Azure市场运行MATLAB并行服务器(MATLAB并行服务器) |
|
参考AWS和Azure的架构模板 |
|
|
在云中存储数据可以使您更容易地访问云应用程序,而不需要在每次创建云资源时上传或下载大量数据。AWS和Azure都提供数据存储服务,例如AWS S3和Azure Blob storage。
为了避免与传输大量数据相关的时间和成本,建议使用用于在云中存储数据的相同的云提供商和区域为深度学习应用程序设置云资源。
要从MATLAB访问存储在云中的数据,您必须使用访问凭证配置您的机器。您可以使用环境变量从MATLAB内部配置访问。有关如何设置环境变量以从客户机MATLAB访问云数据的更多信息,请参见使用远程数据.有关如何在远程集群中的并行工作人员上设置环境变量的详细信息,请参见在Workers上设置环境变量(并行计算工具箱).
有关如何将数据上载到云的示例,请参见上传深度学习数据到云.