Usar un servicio en la nube es una buena opción para comenzar. Pero tenga en cuenta que la construcción de una plataforma local de aprendizaje profundo se vuelve rentable si necesita entrenar modelos durante más de 1500 horas. Vea la configuración de Andrej Karpathy si quiere probarlo.
Como dijo Tapa Ghosh, AWS y Azure ofrecen el mejor hardware. Tesla K80 tiene 24 GB de RAM; los modelos se entrenan más rápido cuando se usa más RAM en menos GPU que cuando se usan más GPU con menos RAM.
El p2.xlarge y el g2.2xlarge son las opciones más económicas para comenzar. El p2.xlarge es más caro, pero ofrece más por su dinero. Si cumple con sus requisitos para usar instancias puntuales, use aws spot bot para automatizar la creación de instancias puntuales baratas.
- Para una audiencia no técnica, ¿puede describir cómo los servicios en la nube de autoservicio como AWS & Rackspace han transformado el mundo de TI en los últimos 10 años?
- ¿De qué sirve la tecnología de modelado de nubes de puntos y escaneo láser en la industria de AEC?
- ¿La computación en la nube tiene ataques de inyección SQL?
- ¿Cuáles son las sugerencias de qué aprender, AWS, Google Cloud o Microsoft Azure?
- ¿Cuál es el mejor software ERP basado en SAAS (nube) Planificación de recursos empresariales Productos y servicios SaaS CloudApp
Para comenzar, esta imagen popular de Docker contiene múltiples marcos DL populares, incluidos TensorFlow, Theano, Torch y Caffe. Si prefiere una configuración más modular, puede ejecutar varios contenedores acoplables independientes, cada uno con un marco, utilizando las imágenes de Kaixhin.