딥러닝이란?
Watson Studio에서 IBM의 실험 중심 딥러닝 서비스를 활용하면 데이터 과학자가 신경망을 시각적으로 설계하고, 교육 실행을 확장할 수 있습니다. 이때 자동 할당 방식에 따라 사용한 리소스에 대해서만 비용을 지불하면 됩니다. 프로덕션 환경에 최적화되어, 선호하는 딥러닝 프레임워크에서 NVIDIA® Tesla® V100 GPU를 사용하여 교육을 확장한 다음 클라우드 또는 엣지에 손쉽게 배치할 수 있습니다.
딥러닝 기능
Experiment Assistant
일괄처리 교육 실험을 시작하고 모니터링한 후 로그 전송 및 스크립트에 대해 걱정할 필요 없이 모델 간 성능을 실시간으로 비교하여 결과를 시각화할 수 있습니다. 신경망 설계에 집중하세요. IBM이 자산을 추적하여 관리해 드리겠습니다.
개방성 및 유연성
선호하는 딥러닝 프레임워크를 사용하세요. Tensorflow, Keras, PyTorch, Caffe 등 명령행 인터페이스(CLI), Python 라이브러리 또는 대화식 사용자 인터페이스 중 원하는 툴을 사용하여 딥러닝 실험을 관리하세요.
탄력적인 GPU 계산
업계 최고의 NVIDIA® Tesla® GPU인 K80, P100, V100을 사용하여 병렬로 신경망을 훈련할 수 있습니다. 사용한 항목에 대해서만 지불하면 됩니다. 자동 할당을 사용하므로 클라우드 교육 인스턴스를 종료하는 부담에서 해방될 수 있습니다. 관리할 클러스터 또는 컨테이너가 없습니다.
하이퍼 매개변수 최적화
네트워크의 하이퍼 매개변수 공간 검색을 효과적으로 자동화하여 최소의 교육으로 최대의 모델 성능을 보장합니다.
Neural Network Modeler(베타)
신경망을 시각적으로 설계하세요. 신경 아키텍처 계층을 드래그 앤 드랍한 다음 주요 딥러닝 프레임워크를 사용하여 구성하고 배치하세요.
딥러닝의 특장점
시간 절약
돈 그 이상의 가치가 있습니다. 선호하는 IDE 및 기존 워크플로우를 사용합니다. CLI, python 라이브러리 및 REST 접근성이 시각적 디버깅 툴과 잘 조화됩니다. 네트워크를 더 빠르고 효율적으로 설계하고 최적화합니다.
온디맨드 인텔리전스
관리형 교육 방식을 채택하여 최적의 신경망 구조를 설계하는 데 집중할 수 있습니다. 교육 자산이 축적됩니다. 자동 할당을 채택하여 작업에 필요한 컴퓨팅 리소스에 대해서만 비용을 지불하면 됩니다.
신뢰할 수 있는 클라우드 인프라
엔터프라이즈 프로덕션 환경에 최적화되고 IBM Watson의 자체 코그너티브 서비스를 호스팅하는 것과 동일한 인프라에서 실행됩니다.
그래프(로그 파일 아님)
텍스트 로그는 잊으셔도 됩니다. 정확성 및 손실 그래프를 실시간으로 오버레이한 후 보기 모델 하이퍼 매개변수를 추적하여 신경망 교육을 심도 있게 분석합니다.
팀 협업
실험을 공유하고, 신경 아키텍처를 디버그하고, 호스팅된 오브젝트 저장소 내에서 공통 데이터를 활용하고, 버전 관리되는 모델을 팀에 전달하여 데이터를 지속적인 학습 플로우로 제공할 수 있습니다.
제품 오퍼링 이미지
Experiment Assistant
모델 간 비교
Neural Network Modeler
튜토리얼 및 유스케이스
노트북, Kera 및 TensorFlow를 사용하여 텍스트 생성을 위한 언어 모델 빌드
사기 문제(예: 제품 리뷰)에 어떻게 대처하나요? 작성 중인 것과 동일한 세대 모델을 사용합니다. 이 코드 패턴에서는 Keras 및 TensorFlow를 사용하여 노트북에서 딥러닝 언어 모델을 교육하는 방법을 설명합니다. Yelp에서 다운로드한 데이터를 사용하여 TensorFlow 및 Keras를 설치하는 방법을 배우고, 딥러닝 언어 모델을 교육하고, 새로운 레스토랑 리뷰를 생성합니다. 이 코드 패턴의 범위는 텍스트 생성에 대한 소개로 제한되지만, 언어 모델을 빌드하는 방법을 배우는 데 필요한 강력한 기반을 제공합니다.
