Spisu treści:

Jak uruchomić AWS TensorFlow?
Jak uruchomić AWS TensorFlow?

Wideo: Jak uruchomić AWS TensorFlow?

Wideo: Jak uruchomić AWS TensorFlow?
Wideo: Jak uruchomić aplikację w AWS - usługi compute w AWS 2024, Może
Anonim

Aby aktywować TensorFlow, otwórz instancję Amazon Elastic Compute Cloud (Amazon EC2) DLAMI z Conda

  1. Dla TensorFlow i Keras 2 na Pythonie 3 z CUDA 9.0 i MKL-DNN uruchom to polecenie: $ source aktywuj tensorflow_p36.
  2. W przypadku TensorFlow i Keras 2 na Pythonie 2 z CUDA 9.0 i MKL-DNN uruchom to polecenie:

W związku z tym, czy TensorFlow działa na AWS?

Przepływ Tensora ™ umożliwia programistom szybkie i łatwe rozpoczęcie pracy z głębokim uczeniem się w chmurze. Ty Móc zacznij dalej AWS z w pełni zarządzanym Przepływ Tensora doświadczenie z Amazonka SageMaker, platforma do budowania, trenowania i wdrażania modeli uczenia maszynowego na dużą skalę.

Wiesz też, co to jest AWS TensorFlow? Kategoria: Przepływ tensorowy na AWS TensorFlow to biblioteka uczenia maszynowego (ML) typu open source, szeroko stosowana do tworzenia głębokich sieci neuronowych (DNN) o dużej wadze, które wymagają rozproszonego szkolenia przy użyciu wielu procesorów graficznych na wielu hostach.

Pojawia się również pytanie, jak uruchomić uczenie maszynowe AWS?

Zacznij korzystać z głębokiego uczenia się za pomocą AMI głębokiego uczenia AWS

  1. Krok 1: Otwórz konsolę EC2.
  2. Krok 1b: Wybierz przycisk Uruchom instancję.
  3. Krok 2a: Wybierz AMI Deep Learning AWS.
  4. Krok 2b: Na stronie szczegółów wybierz Kontynuuj.
  5. Krok 3a: Wybierz typ instancji.
  6. Krok 3b: Uruchom swoją instancję.
  7. Krok 4: Utwórz nowy plik klucza prywatnego.
  8. Krok 5: Kliknij Wyświetl instancję, aby zobaczyć stan instancji.

Jak obsługujesz model TensorFlow?

  1. Stwórz swój model. Zaimportuj zestaw danych Fashion MNIST. Trenuj i oceniaj swój model.
  2. Zapisz swój model.
  3. Sprawdź zapisany model.
  4. Obsługuj swój model za pomocą TensorFlow Serving. Dodaj URI dystrybucji TensorFlow Serving jako źródło pakietu: Zainstaluj TensorFlow Serving.
  5. Złóż żądanie do swojego modelu w TensorFlow Serving. Zgłaszaj żądania REST.

Zalecana: