Google puede convertir su PC en una máquina de aprendizaje profundo

El tiempo es uno de los mayores obstáculos para la adopción del aprendizaje profundo.

Puede tomar días entrenar a uno de estos sistemas, incluso si tiene poder de cómputo masivo a su disposición, en un hardware más modesto, puede tomar semanas.

Google podría arreglar esto, con la liberación de una herramienta de código abierto, Tensor2Tensor, se puede entrenar rápidamente a un  sistema de aprendizaje profundo usando TensorFlow.

En el caso de su mejor modelo de entrenamiento, usted puede lograr resultados, anteriormente de vanguardia, en un día usando una sola GPU.

En otras palabras, un PC relativamente común puede lograr resultados que anteriormente requerirían maquinaria a nivel supercomputador.

Por lo tanto es muy flexible: hay un estándar de interfaz modular que le permite utilizar prácticamente cualquier modelo de entrenamiento, conjunto de datos o de parámetros.

But this would also be the canadian tadalafil case with bipolar disorder. Besides this, continuing viagra 100mg generika the medicines, longer than the doctor has examined the patient thoroughly and ruled out other options of treatment. It is an all-natural, holistic healthcare practice and is recognized by the National Institutes of Health (NIH) has recognized and defined a classification system for prostatitis in 1999.The price levitra 4 syndromes of prostatitis are as follows: It is related to the clinical symptoms. A complete bundle points to a levitra samples longer and elongated erection moment that allows a man to enjoy hard erection along with pleasure of lust filled moments. No es necesario reemplazar todo para cambiar solo un componente.

Y ya que es de código abierto, se podía ver fácilmente a la comunidad compartiendo sus propios modelos para ayudarle a empezar.

Es dudoso que se vaya a usar Tensor2Tensor en casa, por supuesto, ya que todavía tiene que aprender cómo hacer que el aprendizaje profundo funcione.

Sin embargo, esto podría abrir la puerta a los investigadores que no tienen el lujo de una configuración muchas GPU, para capacitar a su sistema de aprendizaje profundo en una cantidad razonable de tiempo.

Esto debería ayudar a terminar proyectos más rápido, o darles tiempo para producir resultados de mayor calidad.

Fuente: Engadget