이 페이지의 최신 내용은 아직 번역되지 않았습니다. 최신 내용은 영문으로 볼 수 있습니다.

병렬 방식 및 클라우드에서의 심층 학습

로컬에서 여러 GPU를 사용하거나 클라우드를 사용하여 심층 학습을 확장하고, 여러 네트워크를 대화형 방식이나 일괄 처리 작업으로 훈련시킵니다.

Parallel Computing Toolbox™를 사용하여 여러 GPU, 클러스터 및 클라우드에서 심층 네트워크를 훈련시킵니다. 로컬에서 여러 GPU를 사용하거나 클러스터를 사용하여 심층 학습을 확장하고, 여러 네트워크를 대화형 방식이나 일괄 처리 작업으로 훈련시킵니다. 옵션에 대한 자세한 내용은 Scale Up Deep Learning in Parallel and in the Cloud 항목을 참조하십시오.

도움말 항목

Deep Learning with Big Data on GPUs and in Parallel

Train deep networks on CPUs, GPUs, clusters, and clouds, and tune options to suit your hardware.

Scale Up Deep Learning in Parallel and in the Cloud

Options for deep learning with MATLAB using multiple GPUs, locally or in the cloud.

Deep Learning with MATLAB on Multiple GPUs

Specify multiple GPUs to use locally or in the cloud for training.

parfor를 사용하여 다중 심층 학습 네트워크 훈련시키기

이 예제에서는 parfor 루프를 사용하여 훈련 옵션에 대해 파라미터 스윕을 수행하는 방법을 보여줍니다.

parfeval을 사용하여 다중 심층 학습 네트워크 훈련시키기

이 예제에서는 네트워크 아키텍처의 심도를 기반으로 파라미터 스윕을 수행하기 위해 parfeval을 사용하는 방법을 보여줍니다.

심층 학습 데이터를 클라우드로 업로드하기

이 예제에서는 데이터를 Amazon S3 버킷으로 업로드하는 방법을 보여줍니다.

심층 학습 일괄 처리 작업을 클러스터로 보내기

이 예제에서는 계속해서 작업을 진행하거나 훈련 중에 MATLAB을 닫을 수 있도록 심층 학습 훈련 일괄 처리 작업을 클러스터로 보내는 방법을 보여줍니다.

추천 예제

parfeval을 사용하여 다중 심층 학습 네트워크 훈련시키기

parfeval을 사용하여 다중 심층 학습 네트워크 훈련시키기

이 예제에서는 네트워크 아키텍처의 심도를 기반으로 파라미터 스윕을 수행하기 위해 parfeval을 사용하는 방법을 보여줍니다. 심층 학습 훈련에는 종종 몇 시간 또는 며칠이 소요되며 양질의 아키텍처를 찾기가 어려울 수 있습니다. 양질의 모델을 찾을 때 병렬 연산을 사용하여 검색 속도를 높이고 검색을 자동화할 수 있습니다. 복수의 GPU가 장착된 컴퓨터를 사용하는 경우에는 로컬 parpool을 사용하여 이 스크립트를 데이터 세트의 로컬 복사본에 대해 실행할 수 있습니다. 더 많은 리소스를 사용하기 위해 심층 학습 훈련을 클라우드로 확장할 수 있습니다. 이 예제에서는 클라우드에 있는 클러스터의 네트워크 아키텍처의 심도를 기반으로 파라미터 스윕을 수행하기 위해 parfeval을 사용하는 방법을 보여줍니다. parfeval을 사용하면 MATLAB 사용을 차단하지 않으면서 백그라운드에서 훈련시킬 수 있고, 결과가 만족할 만한 수준이면 예정보다 이르게 중단하는 옵션이 제공됩니다. 다른 파라미터를 기반으로 파라미터 스윕을 수행하도록 이 스크립트를 수정할 수 있습니다. 이 예제에서는 DataQueue를 사용하여 연산 중에 워커로부터 피드백을 받는 방법도 보여줍니다.