He estado experimentando con ML basado en GPU durante los últimos meses y debo admitir que configurar y configurar todo (controladores, software, bibliotecas, etc.) puede ser bastante intimidante.
Si bien es posible que pueda encontrar un AMI en Amazon y pueda hackear algo juntos, también le sugiero que consulte Paperspace (www.paperspace.com/ml) que está diseñado específicamente para este caso de uso. Lo construimos exactamente para el propósito que describió anteriormente.
Aquí hay algunas características clave:
- ¿Hay alguna trampa en los recientes anuncios de Microsoft e IBM sobre los avances en el reconocimiento de voz?
- ¿Cómo probar formalmente que el producto de dos núcleos es un núcleo? Si K1 (x, x1) y K2 (x, x2) son ambas funciones del núcleo, entonces K1 (x, x1) K2 (x, x2) también es un núcleo
- Cómo obtener una pasantía de investigación en aprendizaje automático o inteligencia artificial en una universidad de los EE. UU., Ser indio trabajando en una startup
- ¿Cómo podemos saber si una heurística es mejor que otra sin ejecutarla?
- ¿Cómo se puede aplicar el aprendizaje profundo a la clasificación de palabras?
- Software preinstalado para que pueda comenzar a funcionar en solo minutos (tenemos Caffe, Torch, TensorFlow, un entorno de desarrollo completo de Python y mucho más)
- NVIDIA GPUS respaldado por CUDA comienza con una instancia de GPU + que viene con un NVIDIA M4000 con 1664 núcleos CUDA. Si necesita más potencia, puede aumentarlo a un P100 con 3584 núcleos CUDA y 12 GB de memoria de video.
- Una experiencia de escritorio completa de Ubuntu hace que sea fácil trabajar como lo haría con cualquier otra computadora. Aún mejor, utiliza nuestro cliente basado en la web que es 100% HTML5 para que pueda acceder a su computadora desde cualquier navegador web sin necesidad de complementos o descargas. Por supuesto, si prefiere el terminal, también puede simplemente ingresar SSH directamente.