按需点播本网络研讨会,快速了解深度学习

概述

什么是深度学习?

深度学习是机器学习的一个子集,其中的神经网络(受人脑启发的算法)从大量的数据习得而来。 深度学习算法重复执行一项任务,并通过开发可促进渐进式学习的深层次内容,逐步改善结果。 它是基于神经网络的更广泛机器学习方法系列的一部分。

深度学习正在对各行业产生巨大影响。 在生命科学中,深度学习可用于高级影像分析、研究、药物发现、健康问题和疾病症状预测,以及加速从基因组测序中获取洞察成果。 在交通方面,深度学习可帮助自动驾驶车辆适应不断变化的路况。 它还可用于保护关键基础设施和加快响应速度。

企业往往外包深度学习的开发。 但是,对于企业的核心用例,最好将深度学习开发工作保留在内部。 ​ 这些用例包括欺诈检测和建议、预测性维护和时间序列数据分析、推荐系统优化、客户关系管理,以及在线广告点进率预测。

运用 IBM Cloud Pak® for Data as a Service 上的 IBM Watson Studio®

,开始使用深度学习。

功能

实验构建器

启动并监控批量训练实验、实时比较跨模型性能,并专注于设计神经网络。

分布式深度学习 (DDL)

支持常见的开源框架,例如 TensorFlow、Caffe、Torch 和 Chainer,以扩展至多个 GPU。

手写数字识别

使用经过预先训练的 PyTorch 模型来预测图像中的手写数字。 使用 REST API 来提交训练作业、监视状态,并存储和部署模型。

图像分类

执行多类分类、预处理和访问图像,并创建各种可视化效果,以深入了解模型。

语言模型

使用 Notebook、Keras 和 TensorFlow 来构建语言模型,用于生成文本。

了解 IBM Watson Studio 中的深度学习

深度学习实验

产品屏幕截图,显示您在哪里为新的深度学习实验定义元数据
​

深度学习实验

运行深度学习实验,为每个定义创建训练运行过程。

模型定义

产品屏幕截图,显示您在哪里添加模型定义,包括名称、训练源代码、框架和执行命令

模型定义

定义模型构建代码、执行命令、GPU 和其他元数据。

资源计划

显示某个项目的资源计划的产品屏幕截图,包括一个 GPU 配置概述选项卡、一个用户统计信息选项卡和一个活动应用选项卡

资源计划

确定资源计划中的 GPU 配置。

训练进度

产品屏幕截图,显示训练状态折线图

训练进度

监控深度学习训练。

GPU Notebook

产品屏幕截图,显示 GPU notebook 中的图像分类

GPU Notebook

创建 GPU 环境定义,并在创建 Notebook 时运行 Notebook。

使用个人偏好的框架

在 IBM Watson Studio 中预先安装并已优化性能

TensorFlow 徽标
Keras 徽标
PyTorch 徽标

开始使用深度学习。

在 IBM Watson Studio 上开展深度学习实验。