Kapitel 9. Deep Learning und DL4J auf Spark verwenden
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Zehn Jahre auf der Straße, ein One-Night-Stand Ich fahre mein junges Leben davon Sag es mir noch einmal, damit ich es verstehe Bist du sicher, dass Hank es so gemacht hat? Hat der alte Hank es wirklich so gemacht?
Waylon Jennings, "Are You Sure Hank Done It This Way"
Einführung in die Nutzung von DL4J mit Spark und Hadoop
Zwei Schlüsseltechnologien für Rechenzentren, die im letzten Jahrzehnt entstanden sind, sind Apache Hadoop und Apache Spark. Vor allem Hadoop ist zum Epizentrum des Wachstums und der Entwicklung von Data Warehouses geworden. Spark hat MapReduce abgelöst und sich zum wichtigsten Ausführungsframework für parallele iterative Algorithmen auf Hadoop entwickelt.
DL4J unterstützt das Scale-out des Netzwerktrainings auf Spark. Wir können die Spark-Ausführung für DL4J nutzen, um die Zeit für das Training unserer Netzwerke deutlich zu reduzieren. Dieses Szenario gibt uns auch die Möglichkeit, den Anstieg der Trainingszeit mit zunehmender Eingabegröße abzumildern.
Auf in die Cloud!
Plattformen wie Amazon Web Services (AWS), Google Cloud und Microsoft Azure machen es möglich, dass Menschen für ein paar Dollar einen Spark-Cluster auf Abruf einrichten können. DL4J kann auf den meisten öffentlichen Cloud-Infrastrukturen laufen,1 Das gibt Praktikern die Flexibilität, wie und wo sie ihre ...
Get Deep Learning now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
