作者小头像 Lv.1
27 成长值

个人介绍

这个人很懒,什么都没有留下

感兴趣或擅长的领域

暂无数据
个人勋章
TA还没获得勋章~
成长雷达
0
27
0
0
0

个人资料

个人介绍

这个人很懒,什么都没有留下

感兴趣或擅长的领域

暂无数据

达成规则

发布时间 2020/07/20 14:48:02 最后回复 bgsfzb z 2020/07/31 23:22:15 版块 人工智能
6634 34 0
他的回复:
截图2.关于ModelArts体验感受在 AI 开发过程中搭建开发环境、选择AI算法框架、选择算法、调试代码、安装相应软件或者硬件加速驱动库都不是容易的事情,使得学习 AI 开发上手慢门槛高。为了解决这些问题,ModelArts算法开发平台简化了整个开发过程,以降低开发门槛,算法开发过程如图1所示。图1 算法开发• 支持所有主流的 AI 算法框架机器学习和深度学习领域,主流开源的训练和推理计算框架包括TensorFlow、PyTorch、MXNet等。ModelArts平台为适应不同开发者的开发习惯及不同应用场景,支持所有主流AI计算框架,并提供友好易用的开发和调测环境。支持传统机器学习算法运行,如逻辑回归、决策树、聚类算法等;支持CNN、RNN、LSTM等多种类型的深度学习算法执行。• 简化面向分布式训练的算法开发深度学习需要大规模的加速计算,往往需要大规模GPU集群进行分布式加速。而现有的开源框架需要算法开发者写大量的代码实现在不同硬件上的分布式训练,而且不同框架的加速代码都不相同。为了解决这些痛点,需要一种轻型的分布式框架或者SDK,构建于TensorFlow、PyTorch、MXNet等深度学习引擎之上,使得这些计算引擎分布式性能更高,同时易用性更好,ModelArts 的 MoXing可以很好地解决这个痛点,开发者基于MoXing 开发的代码如图2所示。图2 基于MoXing开发o 简化调参,集成多种调参技巧包,如数据增强的调参策略,可简化AI算法工程师的模型调优痛苦。o 简化分布式,支持将单机代码自动分布式,使算法工程师不需要学习分布式相关的知识,在自动化分布式的同时,也优化了分布式的性能,自动化和高性能是相辅相成的。
发布时间 2020/07/28 15:45:59 最后回复 hw04703201 2020/07/31 22:45:26 版块 人工智能
5796 38 1
他的回复:
1.截图2.关于ModelArts体验感受在 AI 开发过程中搭建开发环境、选择AI算法框架、选择算法、调试代码、安装相应软件或者硬件加速驱动库都不是容易的事情,使得学习 AI 开发上手慢门槛高。为了解决这些问题,ModelArts算法开发平台简化了整个开发过程,以降低开发门槛,算法开发过程如图1所示。图1 算法开发• 支持所有主流的 AI 算法框架机器学习和深度学习领域,主流开源的训练和推理计算框架包括TensorFlow、PyTorch、MXNet等。ModelArts平台为适应不同开发者的开发习惯及不同应用场景,支持所有主流AI计算框架,并提供友好易用的开发和调测环境。支持传统机器学习算法运行,如逻辑回归、决策树、聚类算法等;支持CNN、RNN、LSTM等多种类型的深度学习算法执行。• 简化面向分布式训练的算法开发深度学习需要大规模的加速计算,往往需要大规模GPU集群进行分布式加速。而现有的开源框架需要算法开发者写大量的代码实现在不同硬件上的分布式训练,而且不同框架的加速代码都不相同。为了解决这些痛点,需要一种轻型的分布式框架或者SDK,构建于TensorFlow、PyTorch、MXNet等深度学习引擎之上,使得这些计算引擎分布式性能更高,同时易用性更好,ModelArts 的 MoXing可以很好地解决这个痛点,开发者基于MoXing 开发的代码如图2所示。图2 基于MoXing开发o 简化调参,集成多种调参技巧包,如数据增强的调参策略,可简化AI算法工程师的模型调优痛苦。o 简化分布式,支持将单机代码自动分布式,使算法工程师不需要学习分布式相关的知识,在自动化分布式的同时,也优化了分布式的性能,自动化和高性能是相辅相成的。