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

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.

使用自动多 GPU 支持训练网络

此示例说明如何使用自动并行支持在本地计算机上使用多个 GPU 进行深度学习训练。训练深度学习网络通常需要几个小时或几天的时间。借助并行计算,您可以使用多个 GPU 加快训练速度。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。

运行多个深度学习试验

此示例说明如何在本地计算机上运行多个深度学习试验。使用此示例作为模板,您可以修改网络层和训练选项,以满足您的具体应用需要。无论您有一个还是多个 GPU,都可以使用这种方法。如果您只有一个 GPU,网络会在后台逐个进行训练。本示例中的方法使您能够在进行深度学习试验时继续使用 MATLAB®。

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。

特色示例