第3部分：圖像分類中的遷移學習
BigDL是基于Apache Spark的分布式深度學習框架，借助現有的Spark集群來運行深度學習計算，并簡化存儲在Hadoop中的大數據集的數據加載。
1、豐富的深度學習支持。模擬Torch之后，BigDL為深入學習提供全面支持，包括數字計算（通過Tensor）和高級神經網絡 ; 此外，用戶可以使用BigDL將預先訓練好的Caffe或Torch模型加載到Spark程序中。
2、極高的性能。為了實現高性能，BigDL在每個Spark任務中使用英特爾MKL和多線程編程。因此，在單節點Xeon（即與主流GPU 相當）上，它比開箱即用開源Caffe，Torch或TensorFlow快了數量級。
3、有效地橫向擴展。BigDL可以通過利用Apache Spark（快速分布式數據處理框架），以及高效實施同步SGD和全面減少Spark的通信，從而有效地擴展到“大數據規模”上的數據分析
聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容侵權或者其他違規問題，請聯系本站處理。
舉報投訴
-
英特爾
+關注
關注
61文章
10191瀏覽量
174508 -
AI
+關注
關注
88文章
34948瀏覽量
278395 -
大數據
+關注
關注
64文章
8957瀏覽量
140004 -
深度學習
+關注
關注
73文章
5559瀏覽量
122733
發布評論請先 登錄
相關推薦
熱點推薦
基于局部分類精度的多源在線遷移學習算法
近年來，遷移學習得到越來越多的關注，現有的在線遷移學習算法一般從單個源領域遷移知識。然而，當源領域與目標領域相似度較低時，很難進行有效的
發表于 12-25 11:04
?0次下載
工商網監
評論