ディープ・ラーニングの概要

Watson Studioでのテスト中心のディープラーニング・サービスにより、データ・サイエンティストは、ニューラル・ネットワークを視覚的に設計し、トレーニングの実行規模をスケールアウトできます。自動割り振りによって、使用されたリソースに対してのみ支払いが発生します。 実稼働環境向けに最適化され、NVIDIA® Tesla( R) V100 GPUと任意のディープ・ラーニング・フレームワークを併用してトレーニングを強化し、簡単にクラウドまたはエッジにデプロイすることができます。

→ ディープ・ラーニングWebセミナーを見る (英語, 要登録)

ディープ・ラーニング機能

Experiment Assistant

バッチ・トレーニングの実験を開始してモニターし、モデル間のパフォーマンスをリアルタイムで比較できます。ログの転送、および結果を視覚化するスクリプトのことを考える必要はありません。資産の管理と追跡はIBMが行うので、お客様はニューラル・ネットワークの設計に集中できます。

オープンかつ柔軟

任意のディープ・ラーニング・フレームワークの使用: Tensorflow、Keras、PyTorch、Caffeなど。 好きなツールを使用して、ディープ・ラーニングのテストを管理: コマンド行インターフェース(CLI)、Pythonライブラリー、または対話式ユーザー・インターフェース

弾力的なGPU計算

市場をリードするNVIDIA( R)Tesla(R) GPU(K80、P100、V100)を使用して、ニューラル・ネットワークに並行してトレーニングを行います。自動割り振りにより、使用した分のみを支払います。クラウド・トレーニング・インスタンスのシャットダウンを行う必要はなく、管理すべきクラスターやコンテナーはありません。

ハイパーパラメーターの最適化

ネットワークのハイパーパラメーター領域の検索を効率よく自動化して、最善のモデル・パフォーマンスを最小限のトレーニングで実現できます。

Neural Network Modeler (ベータ)

ニューラル・ネットワークを視覚的に設計します。お客様のニューラル・アーキテクチャーのレイヤーをドラッグ・アンド・ドロップし、最も人気のあるディープ・ラーニング・フレームワークを使用して構成と実装を行います。

ディープ・ラーニングのメリット

時間の節約

好きなIDEおよび既存のワークフローを使用します。CLI、pythonライブラリー、およびRESTアクセスは、ビジュアルなデバッグ・ツールによってバランスされます。ネットワークをより快適に、より高速化できるように設計し、最適化します。

Intelligence on-demand

マネージド・トレーニングでは、最適なニューラルネットワーク構造の設計に注力します。トレーニング用の資産はこちらに用意されています。自動割り振りにより、ジョブで必要になった計算リソースにのみ課金されます。

信頼できるクラウド・インフラストラクチャー

企業の実稼働環境に合わせて最適化されており、IBM Watsonのコグニティブ・サービスをホストするインフラストラクチャーで稼働します。

ログ・ファイルではなく、グラフ

テキスト・ログの転送は不要です。正確性と損失グラフをリアルタイムでオーバーレイし、モデルのハイパーパラメーターを追跡および表示して、ニューラル・ネットワークのトレーニングをさらに深く掘り下げます。

チーム・コラボレーション

実験の共有、ニューラル・アーキテクチャーのデバッグ、ホストされたオブジェクト・ストアにある共通データへのアクセス、バージョン管理モデルのチームへの転送を通じて、継続的な学習フローへのデータ供給を支援します。

製品イメージ

チュートリアルとユース・ケース

ノートブック、Keras、およびTensorFlowを使用して、テキスト生成のための言語モデルを作成

製品レビューなどの不正問題にはどのように対応すればよいでしょうか?それには、そのような問題を起こしているのと同じ生成モデルを使用することです。このコード・パターンでは、KerasとTensorFlowを使用して、ノートブックのディープ・ラーニング言語モデルをトレーニングする方法を説明します。Yelpからダウンロードしたデータを使用して、TensorFlowとKerasをインストールする方法、ディープラーニング言語モデルをトレーニングし、新しいレストランのレビューを生成する方法を学ぶことができます。このコード・パターンの範囲はテキスト生成の導入に限定されていますが、言語モデルの作成方法を学習するための強固な基盤を提供します。

チュートリアルに進む (英語)

ディープ・ラーニング

ディープ・ラーニングを始める

今すぐディープ・ラーニングの実験を始める