引入深度學習服務是否意味這是 IBM 首次擁有深度學習產品與服務(或在其 Watson 服務中使用深度學習)?

我們已提供內部部署版本的深度學習一段時間了;但這是 IBM 首次在雲端上提供深度學習服務。此外,IBM 利用 Watson Developer Cloud 持續提供深度學習型服務給應用程式開發者。

為何在 Watson Machine Learning 服務內而不是獨立式提供此深度學習服務?

深度學習是機器學習的子集,因此深度學習自然是 Watson Machine Learning 內的一個服務。此外,深度學習服務的使用者有 Watson Machine Learning 的強大後援,加上在 Watson Studio 保護傘之下輕鬆整合其他服務。

Watson Studio 與深度學習服務的關係為何?

IBM 透過整合至 IBM Watson Studio 的 IBM Watson Machine Learning 服務提供深度學習。

「神經網路建模器」如何使用 IBM Watson Machine Learning 服務?

「神經網路建模器」在深度學習服務內運作。資料科學家、開發人員和商業使用者可以透過拖放程序來設計他們的神經模型,不需要程式碼。「神經網路建模器」會從使用者偏好的架構之一(例如,TensorFlow、Keras、PyTorch 或 Caffe)來產生程式碼。

IBM 是提供「神經網路建模器」功能的第一個/唯一組織嗎?

不是,但 IBM 在完整的機器學習平台環境定義中提供其網路建模。使用「神經網路建模器」設計的模型可以使用 IBM 的以實驗為中心的深度學習服務進行建構,然後將它們部署為 REST 端點。「神經網路建模器」支援許多開放程式碼架構並讓使用者選擇想要使用的架構。

IBM 研究院如何參與此過程?

新的深度學習服務的核心功能源自 IBM 研究院內的各項專案。更具體地說,下列特性是直接從 IBM 研究院實作的:

  • 微服務支援深度學習服務跨 GPU 叢集平行管理模型的分散式訓練,同時支援多個開放程式碼架構,例如 Tensorflow、Caffe、Keras 和 PyTorch。
  • 「神經網路建模器」允許快速設計複雜網路而且不需要撰寫程式。這個專案的研究代號是 Darviz。
  • 「超參數優化 (HPO)」可讓深度學習服務自動調整「神經網路」的參數。利用這項技術我們可以自動執行超參數的反覆運算,以尋找每一個使用案例的最佳神經網路。
  • 使用 Uber 的 Horovod 和 DDL(分散式深度學習)的分散式深度學習。
  • 圖形化 UX 加上模型效能追蹤動力 Experiment Assistant 源自 IBM 研究院,專案代號為 Runway。

進一步瞭解 

Watson Studio 只能在雲端上使用嗎?

是的。

Data Science Experience 的內部部署版本提供與 Watson Studio 相同的功能嗎?

不是,但若進一步瞭解,請造訪 Data Science Experience Local

深度學習服務只能在雲端上使用嗎?

是的,它是以 IBM Watson Machine Learning 服務內作為一項服務的深度學習來提供。

IBM 的深度學習特性與競爭者所提供的有何不同?

IBM 的深度學習產品服務與競爭對手在許多方面有所不同:

  • 我們的競爭對手目前沒有提供「神經網路建模器」(上述已詳細說明)。
  • Experiment Assistant 提供以實驗為中心的受管理容器型訓練流程,支援輕鬆監視使用最熱門的深度學習架構所建置的平行訓練執行。

此特性的計價方案為何?

如需詳細資訊,請參閱 IBM Watson Machine Learning 的計價頁面