병렬 방식 및 클라우드에서의 딥러닝

로컬에서 여러 GPU를 사용하거나 클라우드를 사용하여 딥러닝을 확장하고, 여러 신경망을 대화형 방식이나 일괄 처리 작업으로 훈련시킵니다.

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

도움말 항목

Scale Up Deep Learning in Parallel, on GPUs, and in the Cloud
Options for deep learning with MATLAB^® in parallel and using multiple GPUs, locally or in the cloud.
복수의 GPU에서 MATLAB을 사용한 딥러닝
로컬 또는 클라우드에 있는 여러 개의 GPU를 사용하여 심층 신경망 훈련 속도를 높입니다.
Deep Learning with Big Data
Train deep neural networks using large amounts of data.
Deep Learning in the Cloud
Access MATLAB in the cloud for deep learning.
Use Experiment Manager to Train Networks in Parallel
Run multiple simultaneous trials or one trial at a time on multiple workers.
Run Custom Training Loops on a GPU and in Parallel
Speed up custom training loops by running on a GPU, in parallel using multiple GPUs, or on a cluster.

추천 예제

자동 병렬 지원을 사용하여 클라우드의 신경망 훈련시키기

이 예제에서는 병렬 훈련에 대한 MATLAB 자동 지원을 사용하여 컨벌루션 신경망을 훈련시키는 방법을 보여줍니다. 딥러닝 훈련에는 종종 몇 시간이나 며칠이 소요됩니다. 병렬 연산을 사용하면 로컬에서 또는 클라우드에 있는 클러스터에서 여러 개의 GPU(그래픽 처리 장치)를 사용하여 훈련 속도를 높일 수 있습니다. 복수의 GPU가 장착된 컴퓨터를 사용하는 경우에는 이 예제를 데이터의 로컬 복사본에 대해 실행할 수 있습니다. 리소스를 더 많이 사용하고 싶다면 딥러닝 훈련을 클라우드로 확장할 수 있습니다. 병렬 훈련 옵션에 대해 알아보려면 Scale Up Deep Learning in Parallel, on GPUs, and in the Cloud 항목을 참조하십시오. 이 예제에서는 MATLAB 자동 병렬 지원을 사용하여 클라우드에 있는 클러스터에서 딥러닝 신경망을 훈련시키는 방법을 보여줍니다.

라이브 스크립트 열기

Train Network Using Automatic Multi-GPU Support

Use multiple GPUs on your local machine for deep learning training using automatic parallel support. Training deep learning networks often takes hours or days. With parallel computing, you can speed up training using multiple GPUs. To learn more about options for parallel training, see Scale Up Deep Learning in Parallel, on GPUs, and in the Cloud.

라이브 스크립트 열기

Create a Deep Learning Experiment for Classification

Train a deep learning network for classification using Experiment Manager.

예제 열기

Create a Deep Learning Experiment for Regression

Train a deep learning network for regression using Experiment Manager.

예제 열기

Train Deep Learning Networks in Parallel

Run multiple deep learning experiments on your local machine. Using this example as a template, you can modify the network layers and training options to suit your specific application needs. You can use this approach with a single or multiple GPUs. If you have a single GPU, the networks train one after the other in the background. The approach in this example enables you to continue using MATLAB® while deep learning experiments are in progress.

라이브 스크립트 열기

parfor를 사용하여 다중 딥러닝 신경망 훈련시키기

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

라이브 스크립트 열기

parfeval을 사용하여 다중 딥러닝 신경망 훈련시키기

이 예제에서는 parfeval을 사용하여 딥러닝 신경망에 대한 신경망 아키텍처의 심도를 기반으로 파라미터 스윕을 수행하고 훈련 중에 데이터를 가져오는 방법을 보여줍니다.

라이브 스크립트 열기

딥러닝 데이터를 클라우드로 업로드하기

이 예제에서는 데이터를 Amazon S3 버킷으로 업로드하는 방법을 보여줍니다.

라이브 스크립트 열기

Train Network in Parallel with Custom Training Loop

Set up a custom training loop to train a network in parallel. In this example, parallel workers train on portions of the overall mini-batch. If you have a GPU, then training happens on the GPU. During training, a DataQueue object sends training progress information back to the MATLAB client.

라이브 스크립트 열기

Train Network Using Federated Learning

Train a network using federated learning. Federated learning is a technique that enables you to train a network in a distributed, decentralized way [1].

라이브 스크립트 열기

딥러닝 일괄 처리 작업을 클러스터로 보내기

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

라이브 스크립트 열기