[αυτή η σελίδα στο wiki][δείκτης][EN][BG][CS][DA][DE][EL][ES][ET][FI][FR][GA][HR][HU][IT][MT][NL][PL][PT][RO][SK][SL][SV]

Διάλεξη: Πλαίσια υλικού και λογισμικού για βαθιά μάθηση

Διοικητικές πληροφορίες

Τίτλος Πλαίσια υλικού και λογισμικού για βαθιά μάθηση
Διάρκεια 60 λεπτά
Ενότητα Β
Είδος μαθήματος Διάλεξη
Εστίαση Τεχνική — Βαθιά Μάθηση
Θέμα Υπολογιστικά γραφήματα

Λέξεις-κλειδιά

βαθιά μάθηση, λογισμικό, υλικό, υποδομή GPU,

Μαθησιακοί στόχοι

Αναμενόμενη προετοιμασία

Μαθησιακές εκδηλώσεις που πρέπει να ολοκληρωθούν πριν

Υποχρεωτικό για τους φοιτητές

Καμία.

Προαιρετικό για Φοιτητές

Καμία.

Αναφορές και υπόβαθρο για τους μαθητές

Καμία.

Συνιστάται για εκπαιδευτικούς

Καμία.

Υλικό μαθήματος

Οδηγίες για τους εκπαιδευτικούς

Ο σκοπός αυτής της διάλεξης είναι να δείξει στους μαθητές τι αρχιτεκτονικές υλικού και λογισμικού βοηθούν στην εκπαίδευση και την ανάπτυξη λύσεων βαθιάς μάθησης. Πρέπει να αναγνωρίσουμε ότι αυτά τα εξαρτήματα υλικού και λογισμικού είναι λαμπρές τεχνικές λύσεις που μας επιτρέπουν να κλιμακώσουμε την εκπαίδευση και τα συμπεράσματα. Εκτός από το hardware, οι NVIDIA GPU και οι TPU της Google είναι οι καλύτερες επιλογές σήμερα, επειδή εφαρμόζουν βελτιστοποιημένους αλγόριθμους βαθιάς μάθησης με υψηλής ποιότητας και γρήγορους οδηγούς.

Για τη βαθιά μάθηση, χρησιμοποιούμε πολύ περισσότερο λογισμικό από τα πλαίσια βαθιάς μάθησης και μόνο. Χρησιμοποιούμε διαμόρφωση, προγραμματισμό, ενορχήστρωση και πολλά άλλα εργαλεία. Η σύντομη εισαγωγή σε αυτή τη διάλεξη ξύνει μόνο την επιφάνεια.

Στο τελευταίο μέρος της διάλεξης, δείχνουμε πώς η εκπαίδευση πολλαπλών GPU μπορεί να πραγματοποιηθεί με τον Horovod. Ο στόχος δεν είναι να έχουμε μια βαθιά βουτιά σε εκπαίδευση πολλαπλών GPU, αλλά να δείξουμε ότι δεν είναι τόσο δύσκολο να εφαρμοστεί μια βασική λύση.

Το άνοιγμα των ιστοσελίδων των κατασκευαστών υλικού και των παρόχων λογισμικού μπορεί να βοηθήσει τους μαθητές να έχουν κάποια πρακτική εμπειρία.

Σχεδιάγραμμα

Χρονοδιάγραμμα
Διάρκεια (ελάχιστη) Περιγραφή
5 Η ανάγκη της παράλληλης υπολογιστικής στη βαθιά μάθηση
15 Λύσεις υλισμικού
5 Πώς να συγκρίνετε διαφορετικό υλικό για βαθιά μάθηση
10 Αρχιτεκτονική λογισμικού βαθιάς μάθησης
10 Πλαίσια βαθιάς μάθησης
10 Πρόσθετα στοιχεία λογισμικού

Αναγνωρίσεις

Balint Gyires-Tóth (Τεχνολογικό και Οικονομικό Πανεπιστήμιο της Βουδαπέστης)

Το πρόγραμμα Μάστερ τεχνητής νοημοσύνης με επίκεντρο τον άνθρωπο συγχρηματοδοτήθηκε από τον μηχανισμό «Συνδέοντας την Ευρώπη» της Ευρωπαϊκής Ένωσης στο πλαίσιο της επιχορήγησης CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.