Kokie yra du būdai, kaip pradėti naudoti „Deep Learning VM Images“?
Du būdai, kaip pradėti naudoti Deep Learning VM vaizdus „Google Cloud Platform“, yra „Google Cloud Console“ ir komandų eilutės įrankio „gcloud“ naudojimas. Šie metodai suteikia vartotojams skirtingus būdus, kaip diegti ir valdyti Deep Learning VM vaizdus, atsižvelgiant į jų nuostatas ir įrankius.
1. „Google Cloud Console“:
„Google Cloud Console“ yra žiniatinklio sąsaja, leidžianti naudotojams sąveikauti ir valdyti „Google Cloud“ išteklius. Norėdami pradėti naudoti „Deep Learning VM Images“ naudodami konsolę, atlikite šiuos veiksmus:
a. Žiniatinklio naršyklėje atidarykite „Google Cloud Console“ ir prisijunkite prie „Google Cloud“ paskyros.
b. Pasirinkite projektą, kuriame norite sukurti giluminio mokymosi VM egzempliorių.
c. Naršymo meniu spustelėkite „Compute Engine“, tada „VM egzemplioriai“.
d. Spustelėkite mygtuką „Sukurti“, kad sukurtumėte naują VM egzempliorių.
e. Skiltyje „Įkrovos diskas“ spustelėkite mygtuką „Keisti“ ir skirtuke „OS vaizdai“ pasirinkite „Deep Learning VM“.
f. Pasirinkite norimą giluminio mokymosi VM vaizdą iš galimų parinkčių, pvz., TensorFlow, PyTorch arba JupyterLab.
g. Konfigūruokite likusius VM egzemplioriaus parametrus, pvz., įrenginio tipą, regioną ir disko dydį.
h. Spustelėkite mygtuką „Sukurti“, kad sukurtumėte „Deep Learning VM“ egzempliorių.
2. gcloud komandinės eilutės įrankis:
„gcloud“ komandų eilutės įrankis yra galingas ir lankstus „Google Cloud“ išteklių valdymo įrankis. Jei norite pradėti naudoti „Deep Learning VM Images“ naudodami „gcloud“ įrankį, atlikite šiuos veiksmus:
a. Vietiniame kompiuteryje atidarykite terminalą arba komandų eilutę.
b. Įdiekite ir nustatykite gcloud komandinės eilutės įrankį, jei to dar nepadarėte.
c. Autentifikuokite „gcloud“ įrankį naudodami „Google Cloud“ paskyrą vykdydami komandą „gcloud auth login“.
d. Nustatykite projektą, kuriame norite sukurti giluminio mokymosi VM egzempliorių, vykdydami komandą „gcloud config set project PROJECT_ID“.
e. Paleiskite komandą „gcloud compute instances create INSTANCE_NAME –vaizdų šeima IMAGE_FAMILY –vaizdo projektas IMAGE_PROJECT“, kad sukurtumėte giluminio mokymosi VM egzempliorių. Pakeiskite INSTANCE_NAME norimu egzemplioriaus pavadinimu, IMAGE_FAMILY su Deep Learning VM vaizdo šeima (pvz., "tf-latest-cpu"), o IMAGE_PROJECT - vaizdo projekto ID (pvz., "deeplearning-platform-release") .
Šie du metodai suteikia vartotojams lankstumo diegti ir valdyti Deep Learning VM vaizdus. „Google Cloud Console“ siūlo grafinę sąsają naudotojams, kurie teikia pirmenybę vaizdiniam požiūriui, o komandų eilutės įrankis „gcloud“ suteikia komandų eilutės sąsają naudotojams, mėgstantiems automatizavimą ir scenarijus. Naudodami šiuos metodus, vartotojai gali greitai ir efektyviai pradėti naudotis „Deep Learning VM Images“ vaizdais „Google Cloud Platform“.
Kiti naujausi klausimai ir atsakymai apie Pažanga mašininio mokymosi srityje:
- Ar galima naudoti Kaggle įkelti finansinius duomenis ir atlikti statistinę analizę bei prognozes naudojant ekonometrinius modelius, tokius kaip R kvadratas, ARIMA arba GARCH?
- Kai branduolys yra sujungtas su duomenimis, o originalas yra privatus, ar šakotasis branduolys gali būti viešas ir jei taip, tai nėra privatumo pažeidimas?
- Kokie yra apribojimai dirbant su dideliais duomenų rinkiniais mašininio mokymosi metu?
- Ar mašininis mokymasis gali padėti dialogui?
- Kas yra TensorFlow žaidimų aikštelė?
- Ar „eager“ režimas neleidžia paskirstyti „TensorFlow“ skaičiavimo funkcijų?
- Ar „Google“ debesies sprendimus galima naudoti norint atsieti kompiuteriją nuo saugyklos, kad būtų galima efektyviau lavinti ML modelį naudojant didelius duomenis?
- Ar „Google Cloud Machine Learning Engine“ (CMLE) siūlo automatinį išteklių gavimą ir konfigūravimą bei tvarko išteklių išjungimą, kai modelio mokymas baigtas?
- Ar galima treniruoti mašininio mokymosi modelius savavališkai dideliuose duomenų rinkiniuose be jokių trukdžių?
- Ar naudojant CMLE kuriant versiją reikia nurodyti eksportuoto modelio šaltinį?
Peržiūrėkite daugiau klausimų ir atsakymų skyriuje „Mašininio mokymosi tobulinimas“.