AWS上使用MXNet進行分散式深度學習
講師:Damon Deng (AWS)
13:30–17:00 週四, 2017-07-13
AI應用
地點: 多功能廳2
觀眾水平:Intermediate
必要預備知識
1. An AWS account isn’t required (but you should get one anyway, they’re free..)
2. Familiarity with Python and Jupyter Notebooks
3. Experience in machine Learning would be helpful
4. Data science experience and proficiency in a programming language helpful (Python would be just fine..)
5. Bring your laptop.
您將學到什麼
- Foundational Deep Learning Knowledge - Setup and installation including on AWS GPU clusters - Basic Usage of MXNet including data ingestion, model training, use of multiple GPUs - Advanced usage including model fine tuning, deployment in AWS Lambda, AWS Elastic Container Service and AWS Green Grass
描述
深度學習正持續地在諸如計算機視覺、自然語言處理和推薦引擎等領域引領最前沿的進步。帶來這個進步的一個關鍵因素就是大量的高度靈活和對開發人員很友好的深度學習框架的出現。在本輔導課裡,亞馬遜機器學習團隊的成員將會就深度學習的背景做一個簡短的介紹,主要關注與其相關的應用領域。並會對強大和可擴充套件的深度學習框架——MXNet——做一個介紹。輔導課的最後,你可以獲得上手的機會來獲得針對多種應用的經驗,包括計算機視覺和推薦引擎等。並可以看到如何使用預先配置好的深度學習AMI和CloudFormation模版來幫助加快開發速度。
模組1. 深度學習的背景知識
模組2. 演示在AWS上如何設定AMI、CloudFormation模版和其他深度學習框架
模組3. 揭開MXNet的面紗看看(MXNet內部)
模組4. 上手使用MXNet:NDArrays、Symbols和訓練深度學習神經網路的機制。
模組5. 上手MXNet:針對計算機視覺和推薦引擎的應用例子
講師介紹
Damon Deng (AWS)
AWS解決方案架構師;擁有17年IT 領域的工作經驗,先後在IBM,RIM,Apple 等企業擔任工程師、架構師等職位;目前就職於AWS,擔任解決方案架構師一職。喜歡程式設計,喜歡各種程式語言,尤其喜歡Lisp。喜歡新技術,喜歡各種技術挑戰,目前在集中精力學習分散式計算環境下的機器學習演算法以及深度神經網路框架。
Strata Data Conference北京站已經開啟註冊系統,閱讀原文可瀏覽截止到目前為止的講師名單和已經確認的議題,最優惠票價期截止到5月5日為止,儘快註冊以確保留位。
相關文章
- 雲上深度學習實踐分享——雲上MXNet實踐深度學習
- 彈性分散式深度學習系統分散式深度學習
- 讀AI未來進行式筆記01深度學習AI筆記深度學習
- Talroo使用Analytics Zoo和AWS利用深度學習在工作推薦上的應用深度學習
- 淺談深度學習分散式表示以及不同結構深度學習分散式
- [翻譯] 使用 TensorFlow 進行分散式訓練分散式
- 【MongoDB學習筆記】-使用 MongoDB 進行 CRUD 操作(上)MongoDB筆記
- 用深度學習進行欺詐檢測深度學習
- ElasticDL: Kubernetes-native 彈性分散式深度學習系統AST分散式深度學習
- 讀懂深度學習,走進“深度學習+”階段深度學習
- AWS學習
- 深度學習Tensorflow實戰,新課進行曲!深度學習
- [原始碼解析] 深度學習分散式訓練框架 horovod (7) --- DistributedOptimizer原始碼深度學習分散式框架
- [原始碼解析] 深度學習分散式訓練框架 horovod (8) --- on spark原始碼深度學習分散式框架Spark
- 當Spark遇上TensorFlow分散式深度學習框架原理和實踐Spark分散式深度學習框架
- [原始碼解析] 深度學習分散式訓練框架 horovod (2) --- 從使用者角度切入原始碼深度學習分散式框架
- linux環境下使用jmeter進行分散式測試LinuxJMeter分散式
- [原始碼解析] 深度學習分散式訓練框架 horovod (6) --- 後臺執行緒架構原始碼深度學習分散式框架執行緒架構
- 分散式理論學習分散式
- 學習etcd分散式鎖分散式
- 分散式學習記錄分散式
- [原始碼解析] 深度學習分散式訓練框架 horovod (5) --- 融合框架原始碼深度學習分散式框架
- [原始碼解析] 深度學習分散式訓練框架 horovod (10) --- run on spark原始碼深度學習分散式框架Spark
- 英特爾貢獻基於 Kubernetes 分散式深度學習平臺:Nauta分散式深度學習
- 深度學習:基於K8S的分散式Tensorflow系統深度學習K8S分散式
- 使用深度學習進行基於AI的面部識別的不同方法深度學習AI
- 分散式技術“上位”進行時分散式
- 深度框架 MXNet/Gluon 初體驗框架
- 使用Keras進行深度學習:(六)LSTM和雙向LSTM講解及實踐Keras深度學習
- 使用Keras進行深度學習:(五)RNN和雙向RNN講解及實踐Keras深度學習RNN
- [原始碼解析] 深度學習分散式訓練框架 horovod (15) --- 廣播 & 通知原始碼深度學習分散式框架
- [原始碼解析] 深度學習分散式訓練框架 horovod (11) --- on spark --- GLOO 方案原始碼深度學習分散式框架Spark
- [原始碼解析] 深度學習分散式訓練框架 horovod (9) --- 啟動 on spark原始碼深度學習分散式框架Spark
- 深度學習(啟用函式)深度學習函式
- 用 PHP 與深度學習模型進行物體檢測PHP深度學習模型
- TensorFlow學習指南四、分散式分散式
- 分散式架構 -- 學習路線圖(入門到進階)分散式架構
- 使用函式計算三步實現深度學習 AI 推理線上服務函式深度學習AI
- 深度學習——loss函式的學習筆記深度學習函式筆記