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

0 امتیاز

با سلام و خسته نباشيد خدمت دوستان عزیز
بنده کد زیر رو اجرا کردم وقتی کارکرد gpu رومانیتور کردم دیدم از چهل درصدش داره استفاده میشه چطور میتونم از کل توان gpu استفاده کنم؟
مدل کارت گرافیکم nvidia GTX 970 هستش
http://www.mathworks.com/help/vision/examples/image-category-classification-using-deep-learning.html
با تشکر

توسط (106 امتیاز)
ویرایش شده توسط

1 پاسخ

+2 امتیاز
 
بهترین پاسخ

من تا به حال از matlab برای gpu استفاده نکردم. اما در سایر موارد:
میزان استفاده از gpu به محاسبات و اندازه دسته ها (batch-size) مربوط میشه. برخی شبکه ها محاسبات کمی دارند و در هر شرایط از یک حدی بیشتر از gpu استفاده نمیکنند. در حالت کلی افزایش اندازه دسته ها میزان استفاده از gpu را بالا میبره. اما باید توجه داشته باشید که بالا بردن اندازه دسته نه تنها محاسبات بیشتری می خواد بلکه رم بیشتری هم درگیر میکنه و باید این موضوع را درنظر بگیرید.
از طرف دیگه در برخی پردازش ها گلوگاه محاسبات cpu هست چون در هر شرایطی شما از cpu استفاده میکنید. در این حالت بالا بردن اندازه دسته ها ممکن میزان استفاده از gpu رو بالا ببره اما این به معنی افزایش سرعت نیست. ممکن gpu زمان زیادی رو در انتظار رسیدن دسته بعدی بدون فعالیت بمونه و در نتیجه زمان کل اجرا طولانی تر شه.
در نهایت انتخاب اندازه دسته ها باید با در نظر گرفتن ذات مساله , قدرت cpu و gpu و اندازه رم باشه.

توسط (418 امتیاز)
انتخاب شده توسط
آیا همیشه بالا بردن تعداد batch size روی دقت جواب نهایی تاثیر مثبت میذاره؟ صرفنظر از محدودیت های سخت افزاری
دیدگاه اول: آموزش کل داده ها در یک مرحله: سریع ترین و دقیق ترین جواب با بالاترین احتمالا اورفیت. یعنی تو این شرایط ماشین فقط همون داده های آموزش رو به بهترین شکل یاد میگیره ولی توانایی تعمیم نداره . رو مجموعه تست جواب خوبی نمیده
دیدگاه دوم: آموزش هر داده در یک مرحله: بسیار طولانی ولی تعمیم پذیری بالاتر.

البته این صحبت عموما درسته نه قطعی.
در مورد سایز دسته اظهار نظر نمیکنم. چون مطالبی که خوندم جواب دقیق نگرفتم و نتایجی هم خودم به دست آوردم ممکنه فقط مربوط به داده های من بوده و عموما درست نباشه. چون تجربی بود و پشتوانه علمی نداره.
در کل این جزو پارامتر هایی که باید تست کنید ببینید بهترین جواب کدومه برای مسله شما
...