產品概述

人工智能的概念起源于是1956年的達特茅斯會議,科學家們提出了機器可以擁有像人類擁有“意識”的假設。 程序化的活交由計算機處理。非程序化的活也可以交給計算機處理,例如垃圾郵件分類、人機圍棋博弈、人臉識別、自動駕駛、語音助手等。

機器學習就是用計算機來實現人工智能。機器學習最基本的做法,是使用算法來解析數據、從中學習,然后對真實世界中的事件做出決策和預測。與傳統的為解決特定任務、硬編碼的軟件程序不同,機器學習依托于微積分、線性代數、數理統計和概率論、泛函分析等數學理論,借助計算機的計算能力,用大量的數據來“訓練,通過各種算法從數據中學習如何完成任務,模擬出人類大腦。

深度學習是實現機器學習的具體方法,目前流行的深度學習軟件有TensorFlow,Caffe,等。我們的產品主要使用Google開源的TensorFlow,配合Kubernetes來實現訓練任務的編排,并實現GPU支持、分布式訓練的支持等。




師生的困境



我們的優勢

滿足理論課程學習

每個學生賬戶一個docker

學生可以隨時打開

基于CPU的互動式notebook 所見所得,實時調整代碼

根據院校需求,可定制支持GPU的notebook

Docker后臺持續運行,與模型任務結束無關

滿足多用戶訓練需求

班級學生共用系統GPU和CPU資源

學生以項目形式提交訓練任務,學生排隊進行訓練

學生可用GPU或者分布式訓練由老師統一審批和控制,避免資源揮霍

基于任務的Docker ,訓練完成后docker 自動銷毀,資源釋放

系統架構

分布式訓練

產品的價值

快速獲取結果

基于Dockers技術的深度學習實訓平臺將最流行TensorFlow集成進來,基于進程的Docker技術會將降低系統資源的占用,將幾乎所有的服務資源用于學生的訓練

學習更專注

對于學生,獲取學習環境的時間成本將會降低,學生只需要關注深度學習技術,Docker對于學生來講是透明的

專注課程目標

對于老師,老師可更關心深度學習的質量,保證教學計劃的準時進行,保證學生的作業能夠快速完成

广东福彩36开奖结果