O que é o Deep Learning?
O serviço centralizado no experimento de deep learning da IBM no Watson Studio permite que os cientistas de dados desenvolvam visualmente suas redes neurais e ajustem a escala de suas execuções de treinamento enquanto a alocação automática garante o pagamento apenas pelos recursos utilizados. Otimizado para ambientes de produção, aumente a escala de seu treinamento usando a GPU do NVIDIA® Tesla® V100 com seu modelo de deep learning preferencial e, em seguida, implemente facilmente na cloud ou na borda.
Recursos de Deep Learning
Assistente de experimento
Inicie e monitore os experimentos de treinamento em lote e, em seguida, compare o desempenho de modelo cruzado em tempo real, sem se preocupar com as transferências de log e os scripts para visualizar resultados. Concentre-se em desenvolver suas redes neurais. Vamos gerenciar e rastrear seus ativos.
Aberto e flexível
Use seu modelo de deep learning preferencial: Tensorflow, Keras, PyTorch, Caffe e muito mais. Gerencie seus experimentos de deep learning com suas ferramentas preferenciais: interface da linha de comandos (CLI), biblioteca Python ou uma interface com o usuário interativa.
Cálculo de GPU elástica
Treine redes neurais em paralelo utilizando as GPUs líderes no mercado do NVIDIA® Tesla® - K80, P100 e V100. Pague somente por aquilo que usar. A alocação automática elimina a necessidade de lembrar de encerrar suas instâncias de treinamento em cloud. Não há clusters ou contêineres para gerenciar.
Otimização de hiperparâmetro
Automatize com eficiência a procura de espaço de hiperparâmetro de sua rede para garantir o melhor desempenho do modelo, com o menor número possível de execuções de treinamento.
Neural Network Modeler (beta)
Desenvolva visualmente as suas redes neurais. Arraste e solte as camadas de sua arquitetura neural e, em seguida, configure e implemente usando os modelos de deep learning mais populares.
Vantagens do deep learning
Economize tempo
Não só dinheiro. Use seu IDE e seus fluxos de trabalho existentes preferenciais. A CLI, a biblioteca Python e o acesso REST são balanceados por ferramentas de depuração visual. Desenvolva e otimize as suas redes de forma melhor e mais rápida.
Inteligência sob demanda
Um treinamento gerenciado possibilita maior concentração para desenvolver modelos de rede neural ideais. Os ativos de treinamento são armazenados para você. A alocação automática permite pagar somente pelos recursos de cálculo necessários para a tarefa.
Infraestrutura em cloud confiável
Otimizado para ambientes de produção corporativos e em execução na mesma infraestrutura que hospeda os próprios serviços cognitivos do IBM Watson.
Gráficos, não arquivos de log
Esqueça os logs de texto. Sobreponha gráficos de precisão e perda em tempo real e rastreie e veja os hiperparâmetros do modelo para aprofundar o treinamento de suas redes neurais.
Colaboração da equipe
Compartilhe experimentos, depure arquiteturas neurais, acesse dados comuns dentro de armazenamentos de objeto hospedado, encaminhe modelos com versão para sua equipe e, em seguida, deixe-os alimentar dados em um fluxo de aprendizado contínuo.
Imagens de ofertas do produto
Assistente de experimento
Comparação entre modelos
Neural Network Modeler
Tutoriais e casos de uso
Use um notebook, Keras e TensorFlow para construir um modelo de idioma para a geração de texto
Como lidar com questões fraudulentas, como revisões de produto? Usando os mesmos modelos generativos que os estão criando. Esse padrão de código explica como treinar um modelo de linguagem de deep learning em um notebook usando o Keras e o TensorFlow. Usando dados transferidos por download do Yelp, é possível aprender como instalar o TensorFlow e o Keras, treinar um modelo de linguagem de deep learning e gerar novas revisões de restaurantes. Embora o escopo desse padrão de código seja limitado a uma introdução à geração de texto, ele fornece uma base forte para que você aprenda a construir um modelo de idioma.
