¿Qué es Deep Learning?

El servicio de deep learning centrado en experimentos de IBM dentro de Watson Studio permite a los científicos de datos diseñar visualmente sus redes neuronales y reducir su entrenamiento mientras que la autoasignación implica pagar sólo por los recursos utilizados. Optimizado para entornos de producción, escale su entrenamiento utilizando la GPU NVIDIA® Tesla® V100 con su infraestructura de deep learning preferida y, a continuación, implemente fácilmente hacia la nube o en el perímetro.

Vea el webinar de deep learning

Características de Deep Learning

Asistente de experimentos

Inicie y supervise los experimentos de entrenamiento por lotes para después comparar el rendimiento entre modelos en tiempo real sin preocuparse por las transferencias de registro y los scripts para visualizar resultados. Céntrese en el diseño de sus redes neuronales. Nosotros gestionaremos y daremos seguimiento a sus activos.

Abierto y flexible

Utilice su marco de deep learning preferido: Tensorflow, Keras, PyTorch, Caffe y más. Gestione sus experimentos de deep learning con las herramientas que prefiera: interfaz de línea de comandos (CLI), biblioteca de Python o una interfaz de usuario interactiva.

Cómputo de GPU elástico

Capacite redes neuronales en paralelo utilizando las GPUs de NVIDIA® Tesla® líderes de mercado: K80, P100 y V100. Pague sólo por lo que utiliza. La asignación automática implica que ya no hay que parar para concluir las instancias de entrenamiento en la nube. No hay clústeres ni contenedores para gestionar.

Optimización de hiperparámetros

Automatice eficazmente la búsqueda en el espacio de los hiperparámetros de red para garantizar el mejor rendimiento del modelo con la menor ejecución de entrenamiento.

Neural Network Modeler (beta)

Diseñe visualmente sus redes neuronales. Arrastre y suelte las capas de la arquitectura neuronal y configure y implemente utilizando las estructuras de deep learning más populares.

Beneficios del deep learning

Ahorre tiempo

No sólo dinero. Utilice su IDE preferido y sus flujos de trabajo existentes. La CLI, la biblioteca python y el acceso REST están equilibrados mediante herramientas de depuración visual. Diseñe y optimice sus redes mejor y más rápido.

Inteligencia bajo demanda

El entrenamiento gestionado implica que usted se enfoca en el diseño de estructuras de red neuronales óptimas. Los activos de entrenamiento se almacenan para usted. La asignación automática significa que sólo paga por los recursos de cálculo necesarios para el trabajo.

Infraestructura de nube confiable

Optimizado para entornos de producción empresarial y en ejecución en la misma infraestructura que hospeda los propios servicios cognitivos de IBM Watson.

Gráficos, no archivos de registro

Olvide registros de texto. Superponga la precisión y los gráficos perdidos en tiempo real y, a continuación, vea los hiperparámetros del modelo para profundizar en el entrenamiento de redes neuronales.

Colaboración en equipo

Comparta experimentos, depure arquitecturas neuronales, acceda a datos comunes dentro de almacenes de objetos hospedados, y envíe modelos con versión a su equipo para que pueda alimentar datos en un flujo de aprendizaje continuo.

Imágenes de oferta de productos

Tutoriales de aprendizaje y casos de uso

Utilice un notebook, Keras y TensorFlow para crear un modelo de lenguaje para la generación de texto

¿Cómo contrarrestar problemas de fraude tales como revisiones de productos? Al utilizar los mismos modelos generativos que los están creando. Este patrón de código explica cómo entrenar un modelo de lenguaje de deep learning en un notebook usando Keras y TensorFlow. Utilizando datos descargados de Yelp, aprenderá a instalar TensorFlow y Keras, a entrenar un modelo de lenguaje de deep learning, y a generar revisiones de nuevos restaurantes. Mientras que el alcance de este patrón de código se limita a una introducción a la generación de texto, proporciona una base sólida para aprender a construir un modelo de lenguaje.

Acceda el tutorial

Deep Learning

Comience con Deep Learning

Comience a ejecutar sus experimentos de deep learning ahora.