İçindekiler:

AWS TensorFlow'u nasıl çalıştırırım?
AWS TensorFlow'u nasıl çalıştırırım?

Video: AWS TensorFlow'u nasıl çalıştırırım?

Video: AWS TensorFlow'u nasıl çalıştırırım?
Video: Anaconda Keras ve Anaconda Tensorflow Python Kurulumu | Tensorflow Keras Kütüphaneleri install 2023 2024, Kasım
Anonim

TensorFlow'u etkinleştirmek için Conda ile DLAMI'nin bir Amazon Elastic Compute Cloud (Amazon EC2) örneğini açın

  1. CUDA 9.0 ve MKL-DNN ile Python 3 üzerinde TensorFlow ve Keras 2 için şu komutu çalıştırın: $ source activate tensorflow_p36.
  2. CUDA 9.0 ve MKL-DNN ile Python 2 üzerinde TensorFlow ve Keras 2 için şu komutu çalıştırın:

Buna uygun olarak, TensorFlow AWS'de çalışır mı?

TensorFlow ™, geliştiricilerin bulutta derin öğrenmeye hızlı ve kolay bir şekilde başlamasını sağlar. Sen Yapabilmek başlamak AWS tamamen yönetilen bir TensorFlow ile deneyim Amazon SageMaker, uygun ölçekte makine öğrenimi modelleri oluşturmak, eğitmek ve dağıtmak için bir platform.

Ayrıca AWS TensorFlow nedir biliyor musunuz? Kategori: tensör akışı üzerinde AWS TensorFlow birden çok ana bilgisayarda birden çok GPU kullanarak dağıtılmış eğitim gerektiren ağır ağırlıklı derin sinir ağları (DNN'ler) geliştirmek için yaygın olarak kullanılan açık kaynaklı bir makine öğrenimi (ML) kitaplığıdır.

Ayrıca soru şu ki, AWS makine öğrenimini nasıl çalıştırırım?

AWS Deep Learning AMI'yi Kullanarak Derin Öğrenmeye Başlayın

  1. Adım 1: EC2 Konsolunu açın.
  2. Adım 1b: Örneği Başlat düğmesini seçin.
  3. Adım 2a: AWS Deep Learning AMI'yi seçin.
  4. Adım 2b: Ayrıntılar sayfasında Devam'ı seçin.
  5. Adım 3a: Bir örnek türü seçin.
  6. Adım 3b: Bulut sunucunuzu başlatın.
  7. Adım 4: Yeni bir özel anahtar dosyası oluşturun.
  8. Adım 5: Örnek durumunuzu görmek için Örneği Görüntüle'ye tıklayın.

Bir TensorFlow modeline nasıl hizmet ediyorsunuz?

  1. Modelinizi oluşturun. Fashion MNIST veri kümesini içe aktarın. Modelinizi eğitin ve değerlendirin.
  2. Modelinizi kaydedin.
  3. Kaydedilmiş modelinizi inceleyin.
  4. Modelinizi TensorFlow Serving ile sunun. Paket kaynağı olarak TensorFlow Serving dağıtım URI'sini ekleyin: TensorFlow Serving'i kurun.
  5. TensorFlow Serving'de modelinize bir istekte bulunun. REST istekleri yapın.

Önerilen: