印度电商支付公司Paytm被勒索软件攻击

训练DL模型的平台

让我们从培训平台开始。基于图形处理单元（GPU）的系统通常是训练高级DL模型的选择。Nvidia早已意识到将GPU用于通用高性能计算的优势。

GPU有数百个计算核心，它们支持大量的硬件线程和高吞吐量的浮点计算。 Nvidia开发了Compute Unified Device Architecture（CUDA）编程框架，使GPU友好地供科学家和机器学习专家使用。

CUDA工具链改善了耗时问题，为研究人员提供了一种灵活而友好的方式来实现高度复杂的算法。几年前，Nvidia恰当地发现了DL的机会，并为大多数DL运营不断开发CUDA支持。 Caffe、Torch和Tensorflow等标准框架均支持CUDA。

在AWS之类的云服务中，开发人员可以选择使用CPU还是GPU（更具体地说是Nvidia GPU）。平台的选择取决于神经网络的复杂性、预算和时间。基于GPU的系统通常可以比CPU减少训练时间几倍，但价格更高（图2）。

 

总结如下：

各种实现方法有利有弊，应当根据具体的使用场景，来选择最适合的实现方法。

根据参数和返回值的类型选择实现方法：输入输出参数尽量使用方法参数实现，返回值尽量使用返回值实现。

根据参数和返回值的数量选择实现方法：数量少的尽量使用支撑类和元组类，数量多的尽量使用自定义类。

不建议使用一些取巧的实现方法，比如：3.2.利用单值数组实现、5.1.利用线程本地变量实现。

不推荐使用对象数组和对象Map，Java是强类型定义语言，不建议使用强制数据类型转化。

最适合本文中案例的实现方法是——3.4.利用支撑类实现。

后记

《庄子·养生主》有言：

吾生也有涯，而知也无涯。以有涯随无涯，殆已!

意思是：我的生命是有限的，但知识却是无限的。用有限的生命去追求无限的知识，必然会失败的。

所以，知识并不是越多越好，而是“学而精之，精而深之，深而新之 ”。


 

（编辑：孝感站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!