Introduktion
Djupinlärning är en avancerad form av maskininlärning som försöker efterlikna hur den mänskliga hjärnan lär sig. Djupinlärning används i allt högre grad för att skapa komplexa modeller som stöder utmaningar med artificiell intelligens som visuellt innehåll och bearbetning av naturligt språk.
Azure Databricks är ett utmärkt val av plattform för att träna djupinlärningsmodeller av flera skäl:
- Det gör att du kan arbeta med de stora mängder data som behövs för att effektivt träna djupinlärningsmodeller.
- Det ger stöd för skalbara GPU-baserade kluster, som ger bästa prestanda för de typer av matris- och vektoråtgärder som djupinlärningsmodellträning innebär.
- Vanliga djupinlärningsramverk som PyTorch och TensorFlow är förinstallerade i Azure Databricks ML-kluster, liksom andra användbara bibliotek som Horovod för distribuerad träning av djupinlärningsmodeller.
Den här modulen ger en introduktion till några av grundprinciperna för djupinlärning, med fokus på hur du använder PyTorch i Azure Databricks.
Dricks
För en mer allmän introduktion till djupinlärning rekommenderar vi att du slutför modulen Träna och utvärdera djupinlärningsmodeller , som innehåller en del av samma information som den här modulen, men som beskriver ytterligare begrepp och implementeringsämnen mer ingående.