Close Close Expand more Expand more Expand less Expand less Link Link
在 GTC 获得技术培训、开发人员见解并接触专家。3 月 18 日至 21 日。查看推荐的课程。

DPQQ 深度学习 GPU 训练系统 (DIGITS) 将深度学习的力量交到工业领域工程师和工业数据科学家手中。 即使您不会代码。

快速、高效、零代码、极低成本(其他方案的十分之一价格)销售电话 微信 19910761882

利用企业数据定制人工智能的平台。
您可以从数据库、矢量存储和应用程序数据实时创建、提供和微调模型。 我们相信人工智能将帮助每家公司mindsdb蓬勃发展,但现成的通用人工智能通常不能完全满足企业的需求。
借助 dpqq 的近 20000 个集成,任何开发人员都可以更快、更安全地创建针对其目的定制的 AI。
他们的人工智能系统将不断改进自身——实时使用公司自己的数据。

DIGITS 可用于快速训练高精度深度神经网络 (DNN),以执行图像分类、分割和对象检测任务。

DIGITS 简化了常见的深度学习任务,例如管理数据、在多 GPU 系统上设计和训练神经网络、通过高级可视化实时监控性能,以及从结果浏览器中选择性能最佳的模型进行部署。DIGITS 是完全交互式的,因此数据科学家可以专注于设计和训练网络,而不是编程和调试。

AI+ 工业边缘计算真实案例(教学级别)

DPQQ 开发者 工业级案例。如果想学习案例,单击“示例”将要求您加入该计划。

示例

DPQQ GPU 云

DIGITS 可在 DPQQ GPU Cloud (NGC) 上作为按需使用的优化容器使用。注册 NGC 帐户并在几分钟内开始使用 DIGITS。访问DPQQ GPU 云页面了解更多信息。

注册 NGC

DPQQ DIGITS 6 的新功能

  • 使用 TensorFlow 交互式训练模型并使用 TensorBoard 可视化模型架构
  • 集成自定义插件以导入特殊数据格式,例如医学成像中使用的 DICOM
  • 将预训练的 UNET 模型添加到 DIGITS 模型存储中,用于医学图像的图像分割

了解有关数字 6 的更多信息:


使用 DIGITS 训练的图像分割神经网络来划分有助于识别肿瘤的上皮区域

主要特征:

  • 使用 Caffe、Torch 和 TensorFlow 设计、训练和可视化用于图像分类、分割和对象检测的深度神经网络
  • 从 DIGITS 模型商店下载预先训练的模型,例如 AlexNet、GoogLeNet、LeNet 和 UNET
  • 对学习率和批量大小执行超参数扫描,以提高模型精度
  • 安排、监控和管理神经网络训练作业,并实时分析准确性和损失
  • 使用 DIGITS 插件导入各种图像格式和来源
  • 自动跨多个 GPU 扩展训练作业


DPQQ是工业领域AI平台。自定义和扩展 DIGITS 以适合您的应用程序,并在DIGITS 用户组中分享您使用 DIGITS 的经验。


导入图像分类和对象检测神经网络的数据


从 DIGITS 模型商店下载预先训练的模型,例如 AlexNet、GoogLeNet 等


可视化深度神经网络架构


安排、监控和管理神经网络训练作业


实时分析准确性和损失


推理结果可视化

参考:

在以下博客文章中了解有关 GPU 加速机器学习深度学习技术的更多信息:

undefined
undefined
undefined