Mục lục:

Làm cách nào để chạy AWS TensorFlow?
Làm cách nào để chạy AWS TensorFlow?

Video: Làm cách nào để chạy AWS TensorFlow?

Video: Làm cách nào để chạy AWS TensorFlow?
Video: 5 Install TensorFlow 2 and ktrain on Windows EC2 | Machine Learning Model Deployment at AWS 2024, Tháng mười một
Anonim

Để kích hoạt TensorFlow, hãy mở một phiên bản Amazon Elastic Compute Cloud (Amazon EC2) của DLAMI với Conda

  1. Đối với TensorFlow và Keras 2 trên Python 3 với CUDA 9.0 và MKL-DNN, hãy chạy lệnh này: $ source active tensorflow_p36.
  2. Đối với TensorFlow và Keras 2 trên Python 2 với CUDA 9.0 và MKL-DNN, hãy chạy lệnh này:

Tương ứng, TensorFlow có chạy trên AWS không?

TensorFlow ™ cho phép các nhà phát triển bắt đầu nhanh chóng và dễ dàng với học sâu trên đám mây. Bạn có thể bắt đầu AWS với một TensorFlow kinh nghiệm với Amazon SageMaker, một nền tảng để xây dựng, đào tạo và triển khai các mô hình học máy trên quy mô lớn.

Cũng cần biết, AWS TensorFlow là gì? Loại: Tensorflow trên AWS TensorFlow là một thư viện máy học (ML) mã nguồn mở được sử dụng rộng rãi để phát triển các mạng nơ-ron sâu (DNN) có khối lượng lớn yêu cầu đào tạo phân tán bằng cách sử dụng nhiều GPU trên nhiều máy chủ.

Ngoài ra, câu hỏi đặt ra là, làm cách nào để chạy máy học AWS?

Bắt đầu với Học sâu bằng AWS Deep Learning AMI

  1. Bước 1: Mở Bảng điều khiển EC2.
  2. Bước 1b: Chọn nút Khởi chạy phiên bản.
  3. Bước 2a: Chọn AWS Deep Learning AMI.
  4. Bước 2b: Trên trang chi tiết, chọn Tiếp tục.
  5. Bước 3a: Chọn loại phiên bản.
  6. Bước 3b: Khởi chạy phiên bản của bạn.
  7. Bước 4: Tạo một tệp khóa riêng tư mới.
  8. Bước 5: Nhấp vào Xem phiên bản để xem trạng thái phiên bản của bạn.

Bạn phục vụ mô hình TensorFlow như thế nào?

  1. Tạo mô hình của bạn. Nhập tập dữ liệu MNIST Thời trang. Đào tạo và đánh giá mô hình của bạn.
  2. Lưu mô hình của bạn.
  3. Kiểm tra mô hình đã lưu của bạn.
  4. Phục vụ mô hình của bạn với Phục vụ TensorFlow. Thêm URI phân phối TensorFlow Serving làm nguồn gói: Cài đặt TensorFlow Serving.
  5. Đưa ra yêu cầu đối với mô hình của bạn trong Phục vụ TensorFlow. Thực hiện các yêu cầu REST.

Đề xuất: