به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

دسته بندی ها

+1 امتیاز

با سلام، برای طراحی شبکه کانولوشنی که برای شناسایی تابلوهای ترافیکی لازم دارم میخوام از فریمورک کفی استفاده کنم ولی مشکلم اینه که کارت گرافیک لپ تابم اینتل هستش، من برای ادامه کار چیکار باید بکنم؟ برای کامپایل و راه اندازی کفی یعنی دیگه لازم نیست cuda 8 و cudnn رو نصب کنم؟
آیا بدون استفاده از جی پی یو انویدیا میشه فقط با سی پی یو، شبکه رو راه اندازی کرد و تعلیمش داد؟
سوال دیگم این هستش که به جای استفاده از کارت گرافیک انویدیا میشه از یک برد انویدیا که عرضه کرده استفاده کرد؟ در این صورت کانفیگ و کامپایل کفی چه تغییری میکنه؟و چیکار باید بکنم؟

توسط (107 امتیاز)

3 پاسخ

+1 امتیاز

Cuda و cuDNN. مربوط به محصولات شرکت انویدیا هستند که تقریبا تمام فریمورک های موجود با اینها کار میکنن. با سی پی یو هم میشه ولی زمان ترین کردن خیلی طولانی و کند هستش و اصلا عقلانی نیست. بردهای انویدیا هم از چیپهای کارت گرافیک این شرکت استفاده میکنن که بتبع کمی ضعیف تر ولی هوب بستگی داره مدل شما چقدر قدرت نیاز داشته باشه. کانفیگ اش نباید فرق خاصی بکنه. کارت گرافیک لپتاب اتون هم چون مال انویدیا نیست بنابراین نمی تونین از کودا و غیره استفاده کنین و کفه هم فقط از کودا در بخش گرافیک پشتیبانی میکنه بنابراین مجبورین برین روی سی پی یو. بجز کودا opencl هم هست که بقیه کارت گرافیک ها رو پشتیبانی میکنه ولی فقط یکی دو تا فریمورک هستن که ازش پشتیبانی میکنن که کفه جز اونها نیست

توسط (143 امتیاز)
+1 امتیاز

سلام
کسایی که کارت گرافیک AMD یا Intel یا هرچیزی غیر از Nvidia دارن برای کامپایل کفی مجبور هستن از برنچ OpenCL اون استفاده کنن که در سایت بخش ابزارها لینکش داده شده . تا جایی که یادمه فقط تو لینوکس پشتیبانی میشد و در ویندوز خبری ازش نبود.
بدون استفاده از GPU میشه شبکه رو راه اندازی کرد و آموزش داد اما این بستگی به شبکه ، داده و CPU شما داره . در حالت های خیلی کوچیک و محدود مشکلی ایجاد نمیشه اما هرچیزی غیر از اون مشکل جدی ایجاد میکنه .
لطفا بخش مقایسه بین کارت گرافیک و CPU که در سایت اومده رو مطالعه کنید تا اطلاعات بیشتر بدست بیارید.
بردهای انویدیا خب ورژن های مختلف دارن و اگه از مدلهایی مثل جتسون و... استفاده کنید بردهای مناسبی میتونن باشن اما انتظار نداشته باشید معماری های سنگین رو بتونید اکی کنید. میتونید اینجا رو ببینید و استارت بزنید.
برای نصبش هم کار خاصی نیست میتونید لینوکس نصب کنید و کارتون رو پیش ببرید. هم تو یوتیوب و هم سایتهای دیگه قبلا انجام دادن.

توسط (4.3k امتیاز)
خیلی ممنونم... بله بردی که دارم جتسون tk1 هستش که متاسفانه فقط دو گیگ حافظه داره، به نظرتون میشه با این برد یه شبکه کانولوشنی رو برای یک دیتاست با 40000 تا عکس با سایزهایی از 15*15  تا 250*250 آموزش داد؟
سلام. بستگی به مدلی که قصد استفاده ازش دارید داره . در حالت کلی مشکلی نباید داشته باشید. دو نکته ای که باید توجه کنید مدل مورد استفاده و اندازه بچ هست تا در حافظه گرافیک جا بشه . بعدش میتونید استارت بزنید. البته پیشنهاد میشه شما فاز اموزش رو روی سیستم قویتر انجام بدید بعد روی برد پیاده کنید و برای تست ازش استفاده کنید. که الکی وقت هدر ندید.
+1 امتیاز

می توانید از cpu استفاده نمایید فقط زمان آموزش شبکه طولانی تر می شود و اکثر کتابخانه های معروف مثلا caffe , tensorflow پشتیبانی از cpu دارند. همچنین می توانید از خدمات ابری شرکتهای دیگر استفاده بکنید که هزینه پایینی دارد.

از سایت زیر می توانید استفاده نمایید
https://www.floydhub.com/features
و یا از خدمات شرکت آمازون
The Deep Learning AMI is a base Amazon Linux image provided by Amazon Web Services for use on Amazon Elastic Compute Cloud(Amazon EC2).It is designed to provide a stable, secure, and high performance execution environment for deep learning applications running on Amazon EC2. It includes popular deep learning frameworks, including MXNet, Caffe, Caffe2, TensorFlow, Theano, CNTK, Torch and Keras, and popular packages including Jupyter notebooks with Python 2.7 and Python 3.4 kernels, Matplotlib, Scikit-image, CppLint, Pylint, pandas, Graphviz, Bokeh Python packages, Boto and Boto 3 and the AWS CLI. It also comes packaged with Anaconda 2 and Anaconda 3 Data Science platforms. The Deep Learning AMI is provided at no additional charge to Amazon EC2 users.

توسط (438 امتیاز)
ویرایش شده توسط
سلام.
لطفا پاسخ ها رو به فارسی بنویسید . زبان انگلیسی مجاز نیست.
...