#خبر
ورژن جدید تنسرفلو (1.4)، قابلیت تبدیل مدلهای #keras را به #estimator تنسرفلو دارد. با این کار همان قابلیت های سطح بالایEstimator ها ، نظیر آموزش توزیع شده روی cloud و سادگی استفاده از مدلهای keras را همزمان خواهید داشت.
https://cloud.google.com/blog/big-data/2017/12/new-in-tensorflow-14-converting-a-keras-model-to-a-tensorflow-estimator
#tensorflow #tf14 #deep_learning
ورژن جدید تنسرفلو (1.4)، قابلیت تبدیل مدلهای #keras را به #estimator تنسرفلو دارد. با این کار همان قابلیت های سطح بالایEstimator ها ، نظیر آموزش توزیع شده روی cloud و سادگی استفاده از مدلهای keras را همزمان خواهید داشت.
https://cloud.google.com/blog/big-data/2017/12/new-in-tensorflow-14-converting-a-keras-model-to-a-tensorflow-estimator
#tensorflow #tf14 #deep_learning
Google Cloud Platform
New in TensorFlow 1.4: converting a Keras model to a TensorFlow Estimator | Google Cloud Big Data and Machine Learning Blog | …
Learn how to convert a Keras model into a TensorFlow Estimator, using a text classifier as an example. This conversion is newly possible in TensorFlow 1.4.
#سوال:
روی یک کامپیوتر چند GPU دارم. چه طور مدلی که با keras ایجاد کردم را روی همه GPU ها آموزش دهم؟
#پاسخ:
طبق این دستور العمل به راحتی میتوانید با استفاده از تابع
#سوال:
قبلا (بیش از 1 سال پیش) در این پست کانال و این پست نوشتیم که از تنسرفلو 1.4 به بعد میشه مدل را به #estimator تنسرفلو تبدیل کرد.
خب esetimator که multi_GPU داره و با این روش هم میشه مدلو توزیع شده و یا رو چند GPU اجرا کرد.
آیا روشی که در بالا معرفی شد نسبت به آن روش مزیتی دارد؟
#پاسخ:
وقتی یک مدل #Keras را به estimator تبدیل میکنید، فقط معماری مدل را تبدیل کرده و متدهای #callback ی که برای این مدلتون تعریف کردید، نظیر تغییر Learning rate طبق سیاست هایی که نوشتید از کار میوفته!
اما متد
روی یک کامپیوتر چند GPU دارم. چه طور مدلی که با keras ایجاد کردم را روی همه GPU ها آموزش دهم؟
#پاسخ:
طبق این دستور العمل به راحتی میتوانید با استفاده از تابع
multi_gpu_model
مدل خود را به مدل multi_GPU تبدیل کرده و این مدل را آموزش دهید. در این صورت از تمام GPU های سیستم میتوانید استفاده کنید.#سوال:
قبلا (بیش از 1 سال پیش) در این پست کانال و این پست نوشتیم که از تنسرفلو 1.4 به بعد میشه مدل را به #estimator تنسرفلو تبدیل کرد.
خب esetimator که multi_GPU داره و با این روش هم میشه مدلو توزیع شده و یا رو چند GPU اجرا کرد.
آیا روشی که در بالا معرفی شد نسبت به آن روش مزیتی دارد؟
#پاسخ:
وقتی یک مدل #Keras را به estimator تبدیل میکنید، فقط معماری مدل را تبدیل کرده و متدهای #callback ی که برای این مدلتون تعریف کردید، نظیر تغییر Learning rate طبق سیاست هایی که نوشتید از کار میوفته!
اما متد
multi_gpu_model
بازهم یک مدل #keras به شما برمیگرداند، نه estimator و در نتیجه تمامی خاصیت های مدل از جمله callback method ها را حفظ خواهد کرد.Telegram
Tensorflow
#آموزش
#multi_GPU
from keras.utils import multi_gpu_model
https://www.tensorflow.org/api_docs/python/tf/keras/utils/multi_gpu_model
#multi_GPU
from keras.utils import multi_gpu_model
https://www.tensorflow.org/api_docs/python/tf/keras/utils/multi_gpu_model