主要内容

并行和云中的深度学习

通过本地或云中的多个gpu扩展深度学习,并以交互方式或批量作业训练多个网络

使用并行计算工具箱™在多个gpu、集群和云上训练深度网络。通过本地或集群上的多个gpu扩展深度学习,并在批处理作业中交互式地训练多个网络。要了解选项,请参见在并行和云中扩展深度学习

主题

基于gpu和并行的大数据深度学习

在cpu、gpu、集群和云上训练深层网络,并调优选项以适应您的硬件。

在并行和云中扩展深度学习

深度学习与MATLAB使用多个gpu的选项,本地或在云。

在多gpu上使用MATLAB进行深度学习

指定多个图形处理器用于本地或在云中进行培训。

使用自动多gpu支持的列车网络万博1manbetx

这个例子展示了如何使用自动并行支持在本地机器上使用多个gpu进行深度学习训练。万博1manbetx

并行训练深度学习网络

这个例子展示了如何在本地机器上运行多个深度学习实验。

使用parfor训练多个深度学习网络

这个例子展示了如何使用parfor循环对训练选项执行参数扫描。

利用parfeval训练多个深度学习网络

这个例子展示了如何使用parfeval对深度学习网络的网络结构深度进行参数扫描,并在训练过程中检索数据。

将深度学习数据上传到云端

这个示例展示了如何将数据上传到Amazon S3桶。

将深度学习批作业发送到集群

这个例子展示了如何将深度学习训练批作业发送到集群,以便您可以在训练期间继续工作或关闭MATLAB。

列车网络与自定义培训循环平行

这个例子展示了如何建立一个自定义的训练循环来并行地训练一个网络。

使用联邦学习的列车网络

这个例子展示了如何使用联邦学习来训练网络。

特色的例子