什么是深度学习?

IBM 在 Watson Studio 中提供了以实验为中心的深度学习服务,数据科学家可使用此服务直观地设计神经网络,扩展其训练运行情况,而自动分配则意味着只需为所用资源付费。针对生产环境进行了优化,利用 NVIDIA Tesla V100 GPU 扩展了训练,采用首选的深度学习框架,可轻松部署到云或边缘。

→ 观看“深度学习”网络研讨会(链接位于 ibm.com 外部)

深度学习功能

Experiment Assistant

启动和监控批处理训练实验,实时比较跨模型性能,无需担心日志传输和脚本即可直观呈现结果。您专注于设计神经网络;IBM 将管理和跟踪您的资产。

开放且灵活

使用首选深度学习框架:Tensorflow、Keras、PyTorch、Caffe 等。使用您的首选工具来管理深度学习实验:命令行界面 (CLI)、Python 库或交互式用户界面。

Elastic GPU 计算

使用市场领先的 NVIDIA Tesla GPU - K80、P100 和 V100,并行训练神经网络。您只需按使用付费自动分配意味着不必记住关闭云训练实例。没有要管理的集群或容器。

超参数优化

高效地自动搜索网络的超参数空间,确保最佳的模型性能和最少的训练运行次数。

神经网络建模器 (beta)

直观设计神经网络。拖放神经网络架构的各层,使用最受欢迎的深度学习框架进行配置和部署。

深度学习的优势

节省时间和成本

使用首选的 IDE 和现有的工作流程。通过可视化调试工具来平衡 CLI、Python 库和 REST 访问。更好更快地设计和优化网络。

按需智能化

托管型训练意味着您将专注于设计最优神经网络结构。为您存储训练资产。自动分配意味着您只需为作业所需的计算资源付费。

可信云基础架构

针对企业生产环境进行了优化,在托管 IBM Watson 认知服务的基础架构上运行。

图形,不记录文件

忘记文本日志。实时覆盖准确率和损失图,跟踪、查看超参数并进行建模,进而更深入地探索神经网络训练情况。

团队协作

共享实验,调试神经网络架构,访问托管对象库中的公共数据,将版本控制的模型转发到您的团队,帮助他们将数据输入持续学习流程。

提供的产品图像

教程和用例

使用 Notebook、Keras 和 TensorFlow,构建语言模型来生成文本。

如何应对诸如产品评论之类的欺诈问题?使用正在创建它们的相同生成模型。此 Code Pattern 说明了如何使用 Keras 和 TensorFlow 在 Notebook 中训练深度学习语言模型。通过使用从 Yelp 下载的数据,学习如何安装 TensorFlow 和 Keras,训练深度学习语言模型,并生成新的餐厅评论。虽然此 Code Pattern 的范围仅限于对文本生成的介绍,但它为学习如何构建语言模型提供了坚实基础。

访问教程

深入学习

在 Watson Studio 和 PyTorch 中构建手写数字识别器

识别手写数字是人类一项简单的日常技能,但这对机器来说却是一项重大挑战。而随着机器学习和 AI 的进步,现在情况已悄然改变。一些移动银行应用现在可以即时扫描手写支票,而一些会计软件则可以在几分钟内从数千份合同中提取美元金额数字。如果您有兴趣了解具体的工作方式,请遵循此 Code Pattern,使用 Watson Studio 和 PyTorch 通过一些步骤创建简单的手写数字识别器。

访问教程

在 Watson Studio 和 PyTorch 中构建手写数字识别器

深度学习入门

立即开始执行深度学习实验。

请即刻通过右侧任意方式, 让 IBM 专家为您答疑解惑