Hallinnolliset tiedot
| Otsikko | Laite- ja ohjelmistokehykset syväoppimiseen |
| Kesto | 60 minuuttia |
| Moduuli | B |
| Oppitunnin tyyppi | Luento |
| Keskittyminen | Tekninen – syväoppiminen |
| Aihe | Laskennalliset kaaviot |
Avainsanoja
syväoppiminen, ohjelmistot, laitteistot, näytönohjaininfrastruktuuri,
Oppimistavoitteet
- Tutustuminen syväoppimisjärjestelmien laitteisto- ja ohjelmistokehyksiin
Odotettu valmistelu
Oppimistapahtumat valmistuvat ennen
Pakollinen opiskelijoille
Ei mitään.
Valinnainen opiskelijoille
Ei mitään.
Referenssejä ja taustaa opiskelijoille
Ei mitään.
Suositellaan opettajille
Ei mitään.
Oppituntimateriaalit
Ohjeita opettajille
Tämän luennon tarkoituksena on näyttää opiskelijoille, mitä laitteisto- ja ohjelmistoarkkitehtuurit auttavat kouluttamaan ja ottamaan käyttöön syväoppimisratkaisuja. Meidän on tunnustettava, että nämä laitteisto- ja ohjelmistokomponentit ovat loistavia teknisiä ratkaisuja, joiden avulla voimme skaalata koulutusta ja päätelmiä. Laitteistojen lisäksi NVIDIA-grafiikkasuorittimet ja Google TPU:t ovat parhaita valintoja, koska ne toteuttavat optimoituja syväoppimisalgoritmeja laadukkailla ja nopeilla ajureilla.
Syväoppimiseen käytämme paljon enemmän ohjelmistoja kuin syväoppimiskehyksiä. Käytämme konfigurointia, aikataulutusta, orkestrointia ja monia muita työkaluja. Lyhyt esittely tässä luennossa vain naarmuttaa pintaa.
Luennon viimeisessä osassa näytämme, miten multi-GPU-koulutus voidaan toteuttaa Horovodin avulla. Tavoitteena ei ole sukeltaa syvälle multi-GPU-harjoituksiin, vaan osoittaa, että perusratkaisun toteuttaminen ei ole niin vaikeaa.
Laitteistovalmistajien ja ohjelmistotoimittajien verkkosivustojen avaaminen saattaa auttaa oppilaita saamaan käytännön kokemusta.
Hahmotella
- laitteistoratkaisut – työpöydältä palvelimeen
- syväoppimisen ohjelmistokehykset
- lisäohjelmistoja syväoppimisratkaisuihin
| Kesto (Min) | Kuvaus |
|---|---|
| 5 | Rinnakkaislaskennan tarve syväoppimisessa |
| 15 | Laitteistoratkaisut |
| 5 | Kuinka vertailla eri laitteistoja syväoppimiseen |
| 10 | Syväoppimisen ohjelmistoarkkitehtuuri |
| 10 | Syväoppimisen puitteet |
| 10 | Muut ohjelmistokomponentit |
Tunnustukset
Balint Gyires-Tóth (Budapestin teknillinen ja taloudellinen yliopisto)
Human-Centered AI Masters -ohjelmaa rahoitettiin Euroopan unionin Verkkojen Eurooppa -välineestä (CEF-TC-2020–1 Digital Skills 2020-EU-IA-0068).