Adminisztratív információk
| Cím | Hardver és szoftver keretrendszerek a mély tanuláshoz |
| Időtartam | 60 perc |
| Modul | B |
| Lecke típusa | Előadás |
| Fókusz | Technikai – Mély tanulás |
| Téma | Számítási grafikonok |
Kulcsszó
mélytanulás, szoftver, hardver, GPU infrastruktúra,
Tanulási célok
- A mélytanulási rendszerek hardver- és szoftverkereteinek megismerése
Várható előkészítés
Az előtt befejezendő tanulási események
Kötelező a diákok számára
Egy sem.
Választható diákok számára
Egy sem.
Referenciák és háttér a diákok számára
Egy sem.
Ajánlott tanároknak
Egy sem.
Leckeanyagok
Utasítások tanároknak
Ennek az előadásnak az a célja, hogy megmutassa a hallgatóknak, hogy milyen hardver- és szoftverarchitektúrák segítik a mély tanulási megoldások kiképzését és telepítését. El kell ismernünk, hogy ezek a hardver- és szoftverkomponensek briliáns műszaki megoldások, amelyek lehetővé teszik számunkra, hogy skálázzuk a képzést és a következtetéseket. A hardveren kívül az NVIDIA GPU-k és a Google TPU-k a legjobb választás ma, mert optimalizált mélytanulási algoritmusokat alkalmaznak kiváló minőségű és gyors illesztőprogramokkal.
A mély tanuláshoz sokkal több szoftvert használunk, mint a mély tanulási keretek önmagukban. Konfigurációt, ütemezést, hangszerelést és sok más eszközt használunk. A rövid bevezető ebben az előadásban csak karcolja a felületet.
Az előadás utolsó részében bemutatjuk, hogyan valósítható meg a multi-GPU képzés Horovoddal. A cél nem az, hogy mélyen belemerüljünk a multi-GPU tréningekbe, hanem hogy megmutassuk, hogy nem olyan nehéz egy alapvető megoldást megvalósítani.
A hardvergyártók és a szoftverszolgáltatók weboldalainak megnyitása segítheti a diákokat abban, hogy gyakorlati tapasztalatokat szerezzenek.
Vázlat
- hardvermegoldások – az asztaltól a szerverig
- mélytanulási szoftver keretrendszerek
- további szoftverek a mélytanulási megoldásokhoz
| Időtartam (min) | Leírás |
|---|---|
| 5 | A párhuzamos számítástechnika szükségessége a mélytanulásban |
| 15 | Hardvermegoldások |
| 5 | Hogyan lehet összehasonlítani a különböző hardvereket a mély tanuláshoz |
| 10 | Mélytanulási szoftver architektúra |
| 10 | Mélytanulási keretek |
| 10 | További szoftverkomponensek |
Visszaigazolások
Gyires-Tóth Balint (Budapesti Műszaki és Gazdaságtudományi Egyetem)
A Human-Centered AI Masters programot az Európai Unió Európai Hálózatfinanszírozási Eszköze (CEF-TC-2020–1 Digitális készségek 2020 EU-IA-0068) társfinanszírozta.