Isi kandungan:

Bagaimanakah cara saya menjalankan AWS TensorFlow?
Bagaimanakah cara saya menjalankan AWS TensorFlow?

Video: Bagaimanakah cara saya menjalankan AWS TensorFlow?

Video: Bagaimanakah cara saya menjalankan AWS TensorFlow?
Video: AWS re:Invent 2020: Reinventing medical imaging with machine learning on AWS 2024, November
Anonim

Untuk mengaktifkan TensorFlow, buka tika Amazon Elastic Compute Cloud (Amazon EC2) DLAMI dengan Conda

  1. Untuk TensorFlow dan Keras 2 pada Python 3 dengan CUDA 9.0 dan MKL-DNN, jalankan arahan ini: $ source activate tensorflow_p36.
  2. Untuk TensorFlow dan Keras 2 pada Python 2 dengan CUDA 9.0 dan MKL-DNN, jalankan arahan ini:

Sejajar dengan itu, adakah TensorFlow berjalan pada AWS?

TensorFlow ™ membolehkan pembangun untuk memulakan dengan cepat dan mudah dengan pembelajaran mendalam dalam awan. awak boleh mulakan pada AWS dengan terurus sepenuhnya TensorFlow pengalaman dengan Amazon SageMaker, platform untuk membina, melatih dan menggunakan model pembelajaran mesin pada skala.

Ketahui Juga, apakah itu AWS TensorFlow? Kategori: Aliran tensor pada AWS TensorFlow ialah perpustakaan pembelajaran mesin (ML) sumber terbuka yang digunakan secara meluas untuk membangunkan rangkaian neural dalam (DNN) berat berat yang memerlukan latihan teragih menggunakan berbilang GPU merentas berbilang hos.

Soalan juga ialah, bagaimana saya menjalankan pembelajaran mesin AWS?

Mulakan dengan Pembelajaran Dalam Menggunakan AMI Pembelajaran Dalam AWS

  1. Langkah 1: Buka Konsol EC2.
  2. Langkah 1b: Pilih butang Pelancaran Contoh.
  3. Langkah 2a: Pilih AMI Pembelajaran Dalam AWS.
  4. Langkah 2b: Pada halaman butiran, pilih Teruskan.
  5. Langkah 3a: Pilih jenis contoh.
  6. Langkah 3b: Lancarkan contoh anda.
  7. Langkah 4: Buat fail kunci peribadi baharu.
  8. Langkah 5: Klik Lihat Contoh untuk melihat status tika anda.

Bagaimanakah anda menyediakan model TensorFlow?

  1. Cipta model anda. Import set data MNIST Fesyen. Latih dan nilai model anda.
  2. Simpan model anda.
  3. Periksa model anda yang disimpan.
  4. Layan model anda dengan TensorFlow Serving. Tambahkan URI pengedaran TensorFlow Serving sebagai sumber pakej: Pasang TensorFlow Serving.
  5. Buat permintaan kepada model anda dalam TensorFlow Serving. Buat permintaan REST.

Disyorkan: