Treinar modelos com uso intensivo de computação com o Azure Machine Learning
Modelos de aprendizado de máquina e aprendizado profundo em grande escala exigem uma potência computacional ampla. Saiba quando escolher a computação de GPU e como diferentes estruturas ajudam você a fazer o uso ideal da computação de GPU durante o pré-processamento, treinamento de modelo e implantação.
Pré-requisitos
Antes de iniciar este roteiro de aprendizagem, você deve estar familiarizado com o Serviço Azure Machine Learning e treinar modelos de aprendizado de máquina e aprendizado profundo com uso intensivo de computação.
Código de Conquista
Gostaria de solicitar um código de conquista?
Módulos neste roteiro de aprendizagem
Escolha a computação de GPU no Azure Machine Learning ao treinar modelos com uso intensivo de computação. Para reduzir o tempo necessário para processar os dados, armazene seus dados com eficiência e use uma biblioteca de manipulação de dados compatível com a computação de GPU.
Treine modelos com uso intensivo de computação com a computação de GPU no Azure Machine Learning. Monitorando as cargas de trabalho, você pode encontrar a configuração de computação ideal. O treinamento distribuído permite fazer o treinamento em vários nós para acelerar o tempo de treinamento.
A implantação de modelos em grande escala para a inferência em tempo real é um desafio devido ao tamanho do modelo. Saiba o que você pode fazer e quais estruturas você pode usar para otimizar o desempenho do modelo durante a pontuação dele.