使用此隨選網路研討會快速瞭解深度學習

概觀

何謂深度學習?

深度學習是一種機器學習的子集,其中神經網路是由人腦激發的演算法 — 從大量的資料中學習。 深度學習演算法可重複執行作業,並透過深度分層漸進學習逐步改善成果。它是基於神經網路的更廣泛的機器學習方法系列的一部分。

深度學習正在對各產業產生重大影響。 在生命科學領域,深度學習可以用於進階影像分析、研究、藥物發現、預測健康問題和疾病症狀,以及加速從基因體定序中發掘洞察。 在交通方面,它可以幫助自動駕駛汽車適應不斷變化的狀況。 它也用來保護重要的基礎架構並加速回應。

企業通常將深度學習的開發外包。 但是,最好將深度學習開發工作保留在對您的業務至關重要的使用案例中。這些包括詐騙偵測和建議、預測性維護和時間序列資料分析、建議系統最佳化、客戶關係管理,以及預測線上廣告的點閱率。

使用 IBM Watson Studio® on IBM Cloud Pak® for Data as a Service 開始深度學習

功能

實驗建置器

起始及監視批次訓練實驗,即時比較交叉模型效能,專注於設計神經網路。

分散式深度學習 (DDL)

啟用熱門的開放原始碼架構,例如 TensorFlow、Caffe、Torch 和 Chainer,以擴充為多個 GPU。

手寫數字識別

使用預先訓練的 PyTorch 模型,以預測影像中的手寫數字。 使用 REST API 來提交訓練工作、監視狀態,以及儲存及部署模型。

視覺化識別服務

從 IBM Watson Visual Recognition 服務使用深度學習演算法,來分析情境和物件的影像。 在協同作業環境中使用影像和資料集。

影像分類

執行多類別分類、前置處理及存取影像,以及建立視覺化,以增進對模型的瞭解。

語言模型

使用 Notebook、Keras 和 TensorFlow 來建置用於產生文字的語言模型。

查看 IBM Watson Studio 中的深度學習

深度學習實驗

顯示您為新深度學習實驗定義 meta 資料的產品畫面

深度學習實驗

執行深度學習實驗,以建立每個定義的訓練執行。

模型定義

顯示您在其中新增模型定義的產品畫面,包括名稱、訓練原始碼、架構和執行指令

模型定義

定義模型建置程式碼、執行指令、GPU 和其他 meta 資料。

資源計劃

顯示專案資源計劃的產品畫面,其中包括 GPU 配置的概觀標籤、使用者統計資料標籤和作用中應用程式標籤

資源計劃

判斷資源計劃中的 GPU 配置。

訓練進度

顯示訓練狀態線條圖的產品畫面

訓練進度

監視深度學習訓練。

GPU Notebook

在 GPU Notebook 內顯示影像分類的產品畫面

GPU Notebook

建立 GPU 環境定義,並在您建立 Notebook 時執行您的 Notebook。

使用您喜愛的架構

在 IBM Watson Studio 中預先安裝及最佳化效能

TensorFlow 標誌
Keras 標誌
PyTorch 標誌

開始使用深入學習

開始在 IBM Watson Studio 上執行深度學習實驗。