Estamos entusiasmados em anunciar a disponibilidade do pacote CloudML, que fornece uma interface R para o Google Cloud Machine Studying Engine. O CloudML fornece vários serviços, incluindo acesso sob demanda ao treinamento em GPUs e ajuste hiperparâmetro para otimizar os principais atributos das arquiteturas de modelos.
Visão geral
Estamos entusiasmados em anunciar a disponibilidade do Cloudml pacote, que fornece uma interface R para Mecanismo de aprendizado de máquina do Google Cloud. CloudML fornece vários serviços, incluindo:
Treinamento escalável de modelos construídos com o KerasAssim, TFestimatorse tensorflow R pacotes.
Acesso sob demanda ao treinamento em GPUs, incluindo o novo GPUs Tesla P100 De Nvidia®.
O ajuste do hiperparâmetro para optar por atributos -chave das arquiteturas de modelos, a fim de maximizar a precisão preditiva.
A implantação de modelos treinados na plataforma de previsão international do Google que pode suportar milhares de usuários e TBs de dados.
Treinamento com CloudML
Depois de configurar seu sistema para publicar no CloudML, o treinamento de um modelo é tão simples quanto chamar o cloudml_train() função:
library(cloudml)
cloudml_train("prepare.R")CloudML fornece uma variedade de configurações de GPU, que podem ser facilmente selecionadas ao ligar cloudml_train(). Por exemplo, o seguinte treinaria o mesmo modelo acima, mas com um Tesla K80 GPU:
cloudml_train("prepare.R", master_type = "standard_gpu")Treinar usando um GPU Tesla P100 você especificaria "standard_p100":
cloudml_train("prepare.R", master_type = "standard_p100")Quando o treinamento conclui o trabalho é coletado e um relatório de execução de treinamento é exibido:
Aprendendo mais
Confira o Documentação do pacote CloudML Para começar com treinamento e implantação de modelos no CloudML.
Você também pode descobrir mais sobre os vários recursos do CloudML nesses artigos:
Treinamento com CloudML entra em profundidade adicional no gerenciamento de trabalhos de treinamento e sua produção.
Ajuste hiperparâmetro Explora como você pode melhorar o desempenho de seus modelos executando muitas tentativas com hiperparâmetros distintos (por exemplo, número e tamanho de camadas) para determinar seus valores ideais.
Google Cloud Storage Fornece informações sobre a cópia de dados entre a máquina native e o Google Storage e também descreve como usar dados no Google Storage durante o treinamento.
Implantando modelos descreve como implantar modelos treinados e gerar previsões deles.
Reutilizar
Texto e números são licenciados sob atribuição do Inventive Commons CC por 4.0. Os números que foram reutilizados de outras fontes não se enquadram nesta licença e podem ser reconhecidos por uma nota em sua legenda: “Figura de …”.
Citação
Para atribuição, cite este trabalho como
Allaire (2018, Jan. 10). Posit AI Weblog: R Interface to Google CloudML. Retrieved from https://blogs.rstudio.com/tensorflow/posts/2018-01-10-r-interface-to-cloudml/
Citação Bibtex
@misc{allaire2018r,
creator = {Allaire, J.J.},
title = {Posit AI Weblog: R Interface to Google CloudML},
url = {https://blogs.rstudio.com/tensorflow/posts/2018-01-10-r-interface-to-cloudml/},
12 months = {2018}
}