Подписка
МЕНЮ
Подписка

В чем преимущества и недостатки известных платформ для работы с нейросетями?

22/03/19

Евгений Веснин, технический директор ООО "Малленом Системс"

vesnin

Для обучения нейронной сети необходимы три составляющие: обучающие данные, специализированное программное и аппаратное обеспечение.

Обучающих данных требуется очень много, от десятков тысяч до миллионов объектов. Для подготовки (разметки) обучающих данных разработан ряд инструментов:

  • LabelMe – бесплатная утилита от MIT;
  • платные сервисы для разметки данных – Prodi.gy, Scale.ai, Supervise.ly;
  • краудсорсинговые сервисы – Яндекс.Толока, Amazon Mechanical Turk.

Для обучения нейронных сетей наиболее популярна связка языка Python и одной из библиотек для машинного обучения – Tensorflow, Keras, Caffe, PyTorch.

Обучение нейронных сетей связано с огромным объемом данных и, как следствие, большим объемом вычислений. Для их ускорения используются графические видеокарты GPU, самая популярная модель – GeForce GTX 1080 Ti.

При отсутствии устройства GPU можно воспользоваться платными облачными сервисами с ускорением вычислений на GPU: Amazon Web Services, IBM Cloud, Microsoft Azure или Google Cloud (сервера с тензорными процессорами Google TPU).

Читайте другие мнения в журнале "Системы безопасности" #1, 2019

Больше материалов по теме "Нейронные сети" >>>

Темы:НейросетиМнение экспертаЭкспертиза

Хотите сотрудничать?

Выберите вариант!

КАЛЕНДАРЬ МЕРОПРИЯТИЙ 2021
ВЫСТУПИТЬ НА ТБ ФОРУМЕ 2021
ПОСЕТИТЬ ТБ ФОРУМ 2021
ПРОЕКТ «СИСТЕМЫ БЕЗОПАСНОСТИ»