何謂深度學習？
IBM’s experiment-centric deep learning service within Watson Studio allows data scientists to visually design their neural networks and scale out their training runs while auto-allocation means paying only for the resources utilized. Optimized for production environments, scale up your training using the NVIDIA® Tesla® V100 GPU with your preferred deep learning framework then easily deploy to the cloud or at the edge.
深度學習特性
實驗助理
起始和監控批次訓練實驗，然後即時比較跨模型效能，而不必擔心日誌傳輸和 Script 將結果視覺化。您專注於設計神經網路。我們會管理及追蹤您的資產。
開放且有彈性
使用您偏好的深度學習架構：Tensorflow、Keras、PyTorch、Caffe 等等。利用您偏好的工具來管理深度學習實驗：指令行介面 (CLI)、Python 程式庫或互動使用者介面。
彈性 GPU 計算
使用領先市場的 NVIDIA® Tesla® GPU 平行訓練神經網路 - K80、P100 及 V100。您只需要用多少付多少。自動配置表示不必再記得要關閉雲端訓練實例。沒有要管理的叢集或儲存器。
超參數優化
高效自動化搜尋網路的超參數空間，確保以最少的訓練行程達到最佳的模型效能。
Neural Network Modeler（測試版）
以視覺化方式設計您的神經網路。拖放神經架構層，然後使用最熱門的深度學習架構來配置及部署。
深度學習的好處
節省時間
不只節省金錢。使用您偏好的 IDE 及現有的工作流程。CLI、Python 程式庫和 REST 存取透過視覺化除錯工具加以平衡。更快更完善地設計網路及優化。
隨需應變的智慧
受管理訓練表示您可以專注於設計最佳神經網路結構。會為您儲存訓練資產。自動配置表示您只要為工作所需的計算資源付費。
信任的雲端基礎架構
針對企業正式作業環境進行優化，並在管理 IBM Watson 本身的認知服務的相同基礎架構上執行。
圖形，而不是日誌檔
別管文字日誌了。即時套印精確度和損失圖，然後追蹤並檢視模型超參數，以深入瞭解神經網路的訓練。
小組協同作業
分享實驗、對神經架構進行除錯、存取代管物件儲存庫內的一般資料，並將已版本化的模型轉遞給您的小組，然後讓他們將資料饋送至持續學習流程中。
產品供應項目映像檔
指導教學及使用案例
使用記事本、Keras 和 TensorFlow 來建置能產生文字的語言模型
您如何對抗諸如產品評比之類的欺詐問題？利用建立它們的相同產生模型。此程式碼型樣說明如何使用 Keras 和 TensorFlow 來訓練記事本中的深度學習語言模型。使用從 Yelp 下載的資料，您將學習如何安裝 TensorFlow 和 Keras，訓練深度學習語言模型，及產生新的餐廳評比。雖然此程式碼型樣的範圍僅限於文字產生的簡介，但它為學習如何建置語言模型提供了堅實的基礎。
