Índice:

Como executo o AWS TensorFlow?
Como executo o AWS TensorFlow?

Vídeo: Como executo o AWS TensorFlow?

Vídeo: Como executo o AWS TensorFlow?
Vídeo: Run TensorFlow 2 in Amazon AWS SageMaker Notebooks 2024, Novembro
Anonim

Para ativar o TensorFlow, abra uma instância Amazon Elastic Compute Cloud (Amazon EC2) do DLAMI com Conda

  1. Para TensorFlow e Keras 2 em Python 3 com CUDA 9.0 e MKL-DNN, execute este comando: $ source activate tensorflow_p36.
  2. Para TensorFlow e Keras 2 em Python 2 com CUDA 9.0 e MKL-DNN, execute este comando:

Da mesma forma, o TensorFlow é executado na AWS?

TensorFlow ™ permite que os desenvolvedores comecem de forma rápida e fácil o aprendizado profundo na nuvem. Vocês posso começar em AWS com um totalmente gerenciado TensorFlow experiência com Amazonas SageMaker, uma plataforma para criar, treinar e implantar modelos de aprendizado de máquina em escala.

Saiba também, o que é AWS TensorFlow? Categoria: Tensorflow sobre AWS TensorFlow é uma biblioteca de aprendizado de máquina (ML) de código aberto amplamente usada para desenvolver redes neurais profundas (DNNs) pesadas que exigem treinamento distribuído usando várias GPUs em vários hosts.

A questão também é: como executo o aprendizado de máquina da AWS?

Comece a aprender profundo usando o AWS Deep Learning AMI

  1. Etapa 1: Abra o console EC2.
  2. Etapa 1b: Escolha o botão Iniciar instância.
  3. Etapa 2a: Selecione o AWS Deep Learning AMI.
  4. Etapa 2b: Na página de detalhes, escolha Continuar.
  5. Etapa 3a: Selecione um tipo de instância.
  6. Etapa 3b: inicie sua instância.
  7. Etapa 4: Crie um novo arquivo de chave privada.
  8. Etapa 5: clique em Exibir instância para ver o status da sua instância.

Como você atende a um modelo TensorFlow?

  1. Crie seu modelo. Importe o conjunto de dados Fashion MNIST. Treine e avalie seu modelo.
  2. Salve seu modelo.
  3. Examine o seu modelo salvo.
  4. Sirva seu modelo com o TensorFlow Serving. Adicione o URI de distribuição do TensorFlow Serving como uma fonte de pacote: instale o TensorFlow Serving.
  5. Faça uma solicitação ao seu modelo no TensorFlow Serving. Faça solicitações REST.

Recomendado: