Как стать автором
Обновить

Ваша первая нейронная сеть на графическом процессоре (GPU). Руководство для начинающих

Время на прочтение 9 мин
Количество просмотров 46K
Всего голосов 15: ↑14 и ↓1 +13
Комментарии 16

Комментарии 16

мда, начинающему будет очень тяжело разобраться в этом…
определенная подготовка нужна конечно ))
Очевидно же, под «начинающий» тут понимается «начинающий в ML», а не «в computer science».
Что ж, осталось только приобрести Tesla V100 от компании NVIDIA! ) Может кому-то интересно как тоже самое сделать на обычной GPU c Cuda?
Должно работать и на обычной видеокарте, единственное, видеокарта должна быть современной и удовлетворять compute capability у pytorch. А еще есть google colab, где можно бесплатно воспользоваться ускорителем.

Ничего. Для машинного обучения Tesla очень мало что дают (кроме бОльшего объема памяти и фишек с особыми числами, типа INT8, но это не для начала). В остальном CUDA поддерживается всеми свежими видюхами и библиотеками.

А зачем это делать? Ну полезная нагрузка должна быть какая-то? Непонятно.

Ну, например, гугл-капчу ломать ) Там картинки. В робототехнике это тоже применимо.
Здесь приведен пример реализации нейронной сети для распознавания изображений. Работа с изображениями — одно из основных направлений, где используется машинное обучение сегодня. Принципы этого примера можно использовать в реальной бизнес задаче.
Спасибо за статью! Если позволите- два вопроса:
1. Расскажите пожалуйста, как заставить pytorch использовать несколько видеокарт? Нужно ли для этого заботиться на этапе проектирования софта о разделении потоков для их исполнения на разных гпу или pytorch сам раскидывает задачи по имеющимся ресурсам?
2. Сталкивались ли вы с прогнозированием временных рядов? Если да- то можете написать подобную статью об этом?

Спасибо.
1. pytorch делает это сам с помощью класса DataParallel:
torch.nn.DataParallel(module, device_ids=None, output_device=None, dim=0)

2. будет время — напишу ))
Большое спасибо! Буду ждать.

Спасибо за статью. Кому эта тема интересна, предлагаю начать с одноплатника от NVidia Jetson Nano до 100$. Отличная производительность и готовые решения от NVidia для этой платформы. На ее базе, можете много чего смастерить, есть готовые проекты и сама NVidia предлагает бесплатный курс для новичков.

Хочу купить ноут с типа Dell G5 15 5590. Начал учится на курсах на stepic. Думаю справиться ли охлаждение с pytorch и что брать — 1660TI или RTX2060. Боюсь что не вынесет ноут таких нагрузок.
Зарегистрируйтесь на Хабре , чтобы оставить комментарий

Публикации

Истории