คุณเป็นนักวิทยาศาสตร์ที่ขับเคลื่อนด้วยข้อมูลหรือวิศวกรข้อมูลที่ต้องการควบคุมโมเดล Keras ของคุณโดยสมบูรณ์ และต้องการเป็นอิสระจากการกระโดดและค้นหาพารามิเตอร์โดยไม่สนใจหรือไม่ โดยทั่วไป การเพิ่มประสิทธิภาพไฮเปอร์พารามิเตอร์จำเป็นต้องมีการฝึกโมเดลหลายครั้งด้วยการกำหนดค่าที่แตกต่างกัน ซึ่งหมายความว่าจำเป็นต้องใช้คอมพิวเตอร์ที่รวดเร็วพร้อมการ์ดกราฟิกหลายตัว เพื่อลดเวลาล่าช้าด้วยการฝึกโมเดลให้เร็วขึ้น หลังจากอ่านโพสต์นี้ คุณจะสามารถกำหนดค่าโมเดล Keras..

ซีพียู (หน่วยประมวลผลกลาง): CPU คือโปรเซสเซอร์อเนกประสงค์ที่พบในคอมพิวเตอร์ส่วนใหญ่ ได้รับการออกแบบมาเพื่องานที่หลากหลายและเป็นเลิศในการประมวลผลตามลำดับ CPU มีคอร์ที่ทรงพลังเพียงไม่กี่คอร์ที่สามารถจัดการกับคำสั่งที่ซับซ้อนได้ ประสิทธิภาพสำหรับการเรียนรู้เชิงลึก/การเรียนรู้ของเครื่อง: CPU มีความหลากหลาย แต่ไม่ใช่ตัวเลือกที่ดีที่สุดสำหรับงานการเรียนรู้เชิงลึกและการเรียนรู้ของเครื่องที่เกี่ยวข้องกับการคำนวณเมทริกซ์ที่ครอบคลุม..

ฉันได้ฝึกอบรมโมเดล XLNet ภาษาญี่ปุ่นล่วงหน้าที่มีความยาวลำดับสูงสุด 512 บน Cloud TPU v3–256 Pod ที่ยอมให้มีการขัดจังหวะชั่วคราวซึ่งจัดทำโดย Google TFRC (ฟรี!) พร้อมชุดข้อมูล Wikipedia ของญี่ปุ่น แม้ว่าการฝึกอบรมจะยังเร็วเกินไปเมื่อฉันใช้เครดิต TPU หมดแล้ว แต่ฉันก็ได้ปรับแต่งโมเดลเพื่อแยกประเภทข่าวภาษาญี่ปุ่น Livedoor ฉันได้รับแรงบันดาลใจจาก "การมีส่วนร่วมของ Yohei Kikuta" ซึ่งเขาได้ฝึกอบรมล่วงหน้าและแบ่งปันโมเดล BERT ของญี่ปุ่น อุปกรณ์ Cloud TPU v3–8 เครื่องเดียวมีหน่วยความจำ 128 GB..