8.2. 异步计算 8.2.1. MXNet中的异步计算 8.2.2. 用同步函数让前端等待计算结果 8.2.3. 使用异步计算提升计算性能 8.2.4. 异步计算对内存的影响 8.2.5. 小结 8.2.6. 练习 8.2. 异步计算 MXNet使用异步计算来提升计算性能。理解它的工作原理既有助于开发更高效的程序，又有助于在内存资源有限...

3. XLearning目前支持哪些分布式深度学习框架作业的提交，如何与单机模式区分？ 3. XLearning目前支持哪些分布式深度学习框架作业的提交，如何与单机模式区分？ XLearning目前支持 TensorFlow、MXNet、XGBoost、LightGBM 学习框架的分布式模式作业提交，其中： TensorFlow：作业类型需设置为...

TensorFlow 相关资源 TensorFlow 相关资源 Google官方Blog宣布TensorFlow开源 TensorFlow WhitePaper(PDF下载) Jeff Dean 介绍 TensorFlow（视频） TensorFlow 简化版接口 Scikit Flow TensorFlow 使用样例 TensorFlo...

11.4. 使用AWS运行代码 11.4.1. 申请账号并登陆 11.4.2. 创建并运行EC2实例 11.4.3. 安装CUDA 11.4.4. 获取本书的代码并安装GPU版的MXNet 11.4.5. 运行Jupyter记事本 11.4.6. 关闭不使用的实例 11.4.7. 小结 11.4.8. 练习 11.4. 使用AWS运行...

8.3. 自动并行计算 8.3.1. CPU和GPU的并行计算 8.3.2. 计算和通信的并行计算 8.3.3. 小结 8.3.4. 练习 8.3. 自动并行计算 MXNet后端会自动构建计算图。通过计算图，系统可以知道所有计算的依赖关系，并可以选择将没有依赖关系的多个任务并行执行来获得计算性能的提升。例如“异步计算” 一节的第一个例子里依次...

9.6. 目标检测数据集（皮卡丘） 9.6.1. 下载数据集 9.6.2. 读取数据集 9.6.3. 图示数据 9.6.4. 小结 9.6.5. 练习 9.6.6. 参考文献 9.6. 目标检测数据集（皮卡丘） 在目标检测领域并没有类似MNIST或Fashion-MNIST那样的小数据集。为了快速测试模型，我们合成了一个小的数据集。我们首...

2. 预备知识 2. 预备知识 在动手学习之前，我们需要获取本书的代码，并安装运行本书的代码所需要的软件。作为动手学深度学习的基础，我们还需要了解如何对内存中的数据进行操作，以及对函数求梯度的方法。最后，我们应养成主动查阅文档来学习代码的良好习惯。 2.1. 获取和运行本书的代码 2.1.1. 获取代码并安装运行环境 2.1.2. 更新代码和...

如何使用本书 面向的读者 内容和结构 代码 讨论区 小结 练习 如何使用本书 本书将全面介绍深度学习从模型构造到模型训练的方方面面，以及它们在计算机视觉和自然语言处理中的应用。我们不仅将阐述算法原理，还将基于ApacheMXNet对算法进行实现，并实际运行它们。本书的每一节都是一个Jupyter记事本。它将文字、公式、图像、代码和运行结果...

如何在PaddlePaddle中使用VisualDL 如何在Keras中使用VisualDL 在MXNet中使用VisualDL 如何在PyTorch中使用VisualDL

Dockerfile Locations Dockerfile Locations Where to find the Dockerfiles for all of Kubeflow’s images Image Name Dockerfile Location tf_operator https://github.com/kubeflow/tf-...