فهرست مطالب:

چگونه AWS TensorFlow را اجرا کنم؟
چگونه AWS TensorFlow را اجرا کنم؟

تصویری: چگونه AWS TensorFlow را اجرا کنم؟

تصویری: چگونه AWS TensorFlow را اجرا کنم؟
تصویری: TensorFlow 2 را در نوت بوک های Amazon AWS SageMaker اجرا کنید 2024, ممکن است
Anonim

برای فعال کردن TensorFlow، یک نمونه ابر محاسباتی الاستیک آمازون (Amazon EC2) از DLAMI را با Conda باز کنید

  1. برای TensorFlow و Keras 2 در پایتون 3 با CUDA 9.0 و MKL-DNN، این دستور را اجرا کنید: $ source activate tensorflow_p36.
  2. برای TensorFlow و Keras 2 در پایتون 2 با CUDA 9.0 و MKL-DNN، این دستور را اجرا کنید:

به همین ترتیب، آیا TensorFlow روی AWS اجرا می شود؟

TensorFlow ™ توسعه دهندگان را قادر می سازد تا به سرعت و به راحتی با یادگیری عمیق در فضای ابری شروع کنند. شما می توان شروع کنید AWS با مدیریت کامل TensorFlow تجربه با آمازون SageMaker، پلتفرمی برای ساخت، آموزش و استقرار مدل‌های یادگیری ماشینی در مقیاس.

همچنین بدانید، AWS TensorFlow چیست؟ دسته بندی: تنسورفلو بر AWS TensorFlow یک کتابخانه یادگیری ماشین منبع باز (ML) است که به طور گسترده برای توسعه شبکه های عصبی عمیق (DNN) سنگین وزن استفاده می شود که نیاز به آموزش توزیع شده با استفاده از چندین GPU در چندین میزبان دارد.

همچنین سوال این است که چگونه یادگیری ماشینی AWS را اجرا کنم؟

با استفاده از AWS Deep Learning AMI با یادگیری عمیق شروع کنید

  1. مرحله 1: کنسول EC2 را باز کنید.
  2. مرحله 1b: دکمه Launch Instance را انتخاب کنید.
  3. مرحله 2a: AMI یادگیری عمیق AWS را انتخاب کنید.
  4. مرحله 2b: در صفحه جزئیات، Continue را انتخاب کنید.
  5. مرحله 3a: یک نوع نمونه را انتخاب کنید.
  6. مرحله 3b: نمونه خود را راه اندازی کنید.
  7. مرحله 4: یک فایل کلید خصوصی جدید ایجاد کنید.
  8. مرحله 5: روی View Instance کلیک کنید تا وضعیت نمونه خود را ببینید.

چگونه یک مدل TensorFlow را ارائه می کنید؟

  1. مدل خود را ایجاد کنید مجموعه داده Fashion MNIST را وارد کنید. مدل خود را آموزش دهید و ارزیابی کنید.
  2. مدل خود را ذخیره کنید
  3. مدل ذخیره شده خود را بررسی کنید.
  4. مدل خود را با سرویس TensorFlow سرو کنید. URI توزیع سرویس TensorFlow را به عنوان منبع بسته اضافه کنید: سرویس TensorFlow را نصب کنید.
  5. از مدل خود در سرویس TensorFlow درخواست دهید. درخواست های REST را انجام دهید.

توصیه شده: