Einführung
Deep Learning ist eine weiterentwickelte Form von maschinellem Lernen, die zu emulieren versucht, wie das menschliche Gehirn lernt. Deep Learning wird zunehmend zum Erstellen komplexer Modelle verwendet, die den Umgang mit Herausforderungen im Zusammenhang mit künstlicher Intelligenz wie maschinelles Sehen und linguistische Datenverarbeitung erleichtern.
Azure Databricks ist aus mehreren Gründen hervorragend zum Trainieren von Deep Learning-Modellen geeignet:
- Sie können mit großen Datenmengen arbeiten, die für das effektive Training von Deep Learning-Modellen erforderlich sind.
- Sie erhalten Unterstützung für skalierbare GPU-basierte Cluster, die eine optimale Leistung für die Matrix- und Vektorvorgänge bieten, die zum Trainieren von Deep Learning-Modellen erforderlich sind.
- Gängige Deep Learning-Frameworks wie PyTorch und TensorFlow sind in ML-Clustern von Azure Databricks vorinstalliert. Dies gilt auch für andere nützliche Bibliotheken wie Horovod für das verteilte Training von Deep Learning-Modellen.
Dieses Modul bietet eine Einführung in einige der Kernprinzipien von Deep Learning, wobei der Schwerpunkt auf der Verwendung von PyTorch in Azure Databricks liegt.
Tipp
Eine allgemeinere Einführung in Deep Learning finden Sie im Modul Trainieren und Auswerten von Deep Learning-Modellen. Einige der Informationen darin werden Sie zwar bereits aus diesem Modul kennen, doch es werden zusätzliche Konzepte und Implementierungsthemen ausführlich behandelt.