本页对应的英文页面已更新，但尚未翻译。若要查看最新内容，请点击此处访问英文页面。

通过并行计算和云进行深度学习

在本地使用多个 GPU 或在云中扩展深度学习，并以交互方式或批处理作业的形式训练多个网络

使用 Parallel Computing Toolbox™ 在多个 GPU、群集和云中训练深度网络。在本地使用多个 GPU 或在云中扩展深度学习，并以交互方式或批处理作业的形式训练多个网络。要了解有关选项的信息，请参阅Scale Up Deep Learning in Parallel and in the Cloud。

函数

canUseGPU Verify supported GPU is available for computation

主题

Deep Learning with Big Data on GPUs and in Parallel

Train deep networks on CPUs, GPUs, clusters, and clouds, and tune options to suit your hardware.

Scale Up Deep Learning in Parallel and in the Cloud

Options for deep learning with MATLAB using multiple GPUs, locally or in the cloud.

Deep Learning with MATLAB on Multiple GPUs

Specify multiple GPUs to use locally or in the cloud for training.

Train Network Using Automatic Multi-GPU Support

This example shows how to use multiple GPUs on your local machine for deep learning training using automatic parallel support.

Run Multiple Deep Learning Experiments in Parallel

This example shows how to run multiple deep learning experiments on your local machine.

使用 parfor 训练多个深度学习网络

此示例说明如何使用 parfor 循环对训练选项执行参数扫描。

使用 parfeval 训练多个深度学习网络

此示例说明如何使用 parfeval 对深度学习网络的网络架构深度执行参数扫描，并在训练期间检索数据。

将深度学习数据上传到云

此示例说明如何将数据上传到 Amazon S3 存储桶。

将深度学习批处理作业发送到群集

此示例说明如何将深度学习训练批处理作业发送到群集，以便您可以在训练过程中继续工作或者关闭 MATLAB。

Train Network in Parallel with Custom Training Loop

This example shows how to set up a custom training loop to train a network in parallel.

特色示例

使用自动并行支持功能在云中训练网络

此示例说明如何利用 MATLAB 对并行训练的自动支持来训练卷积神经网络。深度学习训练通常需要几小时或几天。借助并行计算，您可以在本地或云群集中使用多个图形处理单元 (GPU) 来加快训练速度。如果您可以使用具有多个 GPU 的计算机，则可以在数据的本地副本上完成此示例。如果要使用更多资源，则可以将深度学习训练扩展到云。要了解有关并行训练选项的详细信息，请参阅Scale Up Deep Learning in Parallel and in the Cloud。此示例逐步指导您如何利用 MATLAB 的自动并行支持功能在云群集中训练深度学习网络。

打开实时脚本