Innholdsfortegnelse:

Hvordan kjører jeg AWS TensorFlow?
Hvordan kjører jeg AWS TensorFlow?

Video: Hvordan kjører jeg AWS TensorFlow?

Video: Hvordan kjører jeg AWS TensorFlow?
Video: Getting started with Podman Desktop | #Chocolatey | Docker Desktop Alternative 2024, Kan
Anonim

For å aktivere TensorFlow, åpne en Amazon Elastic Compute Cloud (Amazon EC2)-forekomst av DLAMI med Conda

  1. For TensorFlow og Keras 2 på Python 3 med CUDA 9.0 og MKL-DNN, kjør denne kommandoen: $ source activate tensorflow_p36.
  2. For TensorFlow og Keras 2 på Python 2 med CUDA 9.0 og MKL-DNN, kjør denne kommandoen:

Tilsvarende, kjører TensorFlow på AWS?

TensorFlow ™ gjør det mulig for utviklere å raskt og enkelt komme i gang med dyp læring i skyen. Du kan komme i gang AWS med en fullt administrert TensorFlow erfaring med Amazon SageMaker, en plattform for å bygge, trene og distribuere maskinlæringsmodeller i stor skala.

Vet også, hva er AWS TensorFlow? Kategori: Tensorflow på AWS TensorFlow er et maskinlæringsbibliotek med åpen kildekode (ML) som er mye brukt til å utvikle tunge, dype nevrale nettverk (DNN) som krever distribuert opplæring ved bruk av flere GPUer på tvers av flere verter.

Spørsmålet er også, hvordan kjører jeg AWS maskinlæring?

Kom i gang med Deep Learning ved å bruke AWS Deep Learning AMI

  1. Trinn 1: Åpne EC2-konsollen.
  2. Trinn 1b: Velg knappen Start forekomst.
  3. Trinn 2a: Velg AWS Deep Learning AMI.
  4. Trinn 2b: På detaljsiden velger du Fortsett.
  5. Trinn 3a: Velg en forekomsttype.
  6. Trinn 3b: Start forekomsten.
  7. Trinn 4: Opprett en ny privat nøkkelfil.
  8. Trinn 5: Klikk på Vis forekomst for å se forekomststatusen din.

Hvordan serverer du en TensorFlow-modell?

  1. Lag din modell. Importer Fashion MNIST-datasettet. Tren og evaluer modellen din.
  2. Lagre modellen din.
  3. Undersøk din lagrede modell.
  4. Server modellen din med TensorFlow Servering. Legg til TensorFlow Serving-distribusjons-URI som en pakkekilde: Installer TensorFlow Servering.
  5. Send en forespørsel til modellen din i TensorFlow Servering. Gjør REST-forespørsler.

Anbefalt: