딥러닝 스튜디오

Deep Learning Studio
딥러닝 스튜디오
개발자딥 인지 주식회사.
작성 위치파이썬
운영 체제Microsoft Windows, Ubuntu Linux
유형딥러닝
면허증.독점 소프트웨어
웹사이트딥 러닝 스튜디오com

딥 러닝 스튜디오는 인공지능에 사용되는 [1] 러닝 모델의 생성을 단순화하는 것을 목표로 하는 소프트웨어 도구입니다.MXNetGoogle의 TensorFlow를 [1]포함하여 인공 신경망에 널리 사용되는 다수의 오픈 소스 프로그래밍 프레임워크와 호환됩니다.

2017년 1월 Deep Learning Studio가 출시되기 전에는 다른 프로그래밍 언어 중에서도 Python에 대한 숙련도가 효과적인 딥 러닝 [1]모델을 개발하는 데 필수적이었습니다.Deep Learning Studio는 시각적인 드래그 앤 드롭 인터페이스와 사전 훈련된 [1]학습 모델을 사용 가능한 데이터에 적용하여 모델 생성 프로세스를 단순화하려고 했습니다.

텍사스주 어빙에 본사를 둔 딥 인지 주식회사는 딥 러닝 스튜디오의 개발자입니다.2017년, 딥 인지는 최고의 인공지능 [2]소프트웨어에게 매년 주어지는 알코닉스 상에서 딥 러닝 최고 혁신 부문의 최종 후보가 될 수 있었습니다.

Deep Cognition은 캘리포니아주 [3]산호세에서 열린 NVIDIA GTC 2018 컨퍼런스에서 Deep Learning Studio 버전 2.0을 출시했습니다.

CA 기반 컴퓨팅 제품 공급업체인 Exxact Corp은 Deep Learning Studio [4]워크로드를 처리하기 위해 특별히 제작된 데스크톱 컴퓨터를 제공합니다.

특징[1]

Deep Learning Studio는 두 가지 버전으로 제공됩니다.데스크톱과 클라우드, 둘 다 자유 소프트웨어입니다.데스크톱 버전은 Windows 및 Ubuntu에서 사용할 수 있습니다.클라우드 버전은 단일 사용자 및 다중 사용자 [5]구성으로 사용할 수 있습니다.클라우드 버전에 액세스하려면 심층 인식 계정이 필요합니다.계정 등록은 무료입니다.

Deep Learning Studio는 기존 Keras 모델을 가져올 수 있으며 데이터 세트를 입력으로 사용합니다.

Deep Learning Studio의 AutoML 기능을 통해 딥 러닝 모델을 자동으로 생성할 수 있습니다.고급 사용자는 다양한 유형의 레이어와 신경망을 사용하여 자신의 모델을 생성할 수 있습니다.

Deep Learning Studio에는 신경망 프로그래밍의 전통적으로 복잡한 영역인 하이퍼 파라미터 튜닝에 사용하기 위한 손실 함수 및 최적화 도구 라이브러리도 있습니다.

생성된 모델은 CPU 또는 GPU를 사용하여 학습할 수 있습니다.그런 다음 훈련된 모델을 예측 분석에 사용할 수 있습니다.

Deep Learning Studio는 사용자 친화적인 딥 러닝 [6]도구로 언급되어 왔습니다.

참고 항목

레퍼런스

  1. ^ a b c d e "Deep Learning Made Easy with Deep Cognition". www.kdnuggets.com. Retrieved 2018-03-08.
  2. ^ Innovates, Dallas (2017-09-25). "Deep Cognition Among Finalists for Alconics Award » Dallas Innovates". Dallas Innovates. Retrieved 2018-03-08.
  3. ^ "AI Democratization: IBM, Deep Cognition, and Cloudera - Wikibon Research". wikibon.com. Retrieved 2018-03-28.
  4. ^ "Deep Learning Studio Solutions Exxact". www.exxactcorp.com. Retrieved 2018-03-15.
  5. ^ "AWS Marketplace: Deep Cognition". aws.amazon.com. Retrieved 2018-03-15.
  6. ^ "Making Deep Learning User-Friendly, Possible? – Towards Data Science". Towards Data Science. 2018-04-04. Retrieved 2018-04-11.

외부 링크