Talaan ng mga Nilalaman:

Paano ko tatakbo ang AWS TensorFlow?
Paano ko tatakbo ang AWS TensorFlow?

Video: Paano ko tatakbo ang AWS TensorFlow?

Video: Paano ko tatakbo ang AWS TensorFlow?
Video: Chia 1.8.1 Released and reviewed 2024, Mayo
Anonim

Para i-activate ang TensorFlow, magbukas ng Amazon Elastic Compute Cloud (Amazon EC2) instance ng DLAMI na may Conda

  1. Para sa TensorFlow at Keras 2 sa Python 3 na may CUDA 9.0 at MKL-DNN, patakbuhin ang command na ito: $ source activate tensorflow_p36.
  2. Para sa TensorFlow at Keras 2 sa Python 2 na may CUDA 9.0 at MKL-DNN, patakbuhin ang command na ito:

Kasabay nito, tumatakbo ba ang TensorFlow sa AWS?

TensorFlow Binibigyang-daan ng ™ ang mga developer na mabilis at madaling makapagsimula sa malalim na pag-aaral sa cloud. Ikaw pwede magsimula sa AWS na may ganap na pinamamahalaan TensorFlow karanasan sa Amazon Ang SageMaker, isang platform para bumuo, magsanay, at mag-deploy ng mga modelo ng machine learning sa sukat.

Alamin din, ano ang AWS TensorFlow? Kategorya: Tensorflow sa AWS TensorFlow ay isang open-source machine learning (ML) library na malawakang ginagamit upang bumuo ng mga heavy-weight deep neural network (DNN) na nangangailangan ng distributed na pagsasanay gamit ang maraming GPU sa maraming host.

Ang tanong din ay, paano ako magpapatakbo ng AWS machine learning?

Magsimula sa Deep Learning Gamit ang AWS Deep Learning AMI

  1. Hakbang 1: Buksan ang EC2 Console.
  2. Hakbang 1b: Piliin ang button na Ilunsad ang Instance.
  3. Hakbang 2a: Piliin ang AWS Deep Learning AMI.
  4. Hakbang 2b: Sa pahina ng mga detalye, piliin ang Magpatuloy.
  5. Hakbang 3a: Pumili ng uri ng instance.
  6. Hakbang 3b: Ilunsad ang iyong instance.
  7. Hakbang 4: Gumawa ng bagong pribadong key file.
  8. Hakbang 5: I-click ang View Instance para makita ang status ng iyong instance.

Paano ka maghahatid ng modelong TensorFlow?

  1. Lumikha ng iyong modelo. I-import ang dataset ng Fashion MNIST. Sanayin at suriin ang iyong modelo.
  2. I-save ang iyong modelo.
  3. Suriin ang iyong na-save na modelo.
  4. Ihatid ang iyong modelo sa TensorFlow Serving. Magdagdag ng URI ng pamamahagi ng TensorFlow Serving bilang source ng package: I-install ang TensorFlow Serving.
  5. Gumawa ng kahilingan sa iyong modelo sa TensorFlow Serving. Gumawa ng mga kahilingan sa REST.

Inirerekumendang: