英特尔® 深度学习 SDK 入门

  • 概览
  • 资源
  • 文字稿

该视频展示了英特尔深度学习 SDK。数据科学家和软件开发人员可以通过深度学习 SDK 简化安装工作,利用英特尔硬件上常见的深度学习框架轻松准备模型,在英特尔® 架构上优化训练和推断性能。该视频主要介绍了训练工具,利用 LeNet* 拓扑和 MNIST 数据集展示了模型训练。

大家好,我是 Meghana Rao,今天我将向你们展示英特尔深度学习 SDK。数据科学家和软件开发人员可以通过深度学习 SDK 简化安装工作,利用英特尔硬件上常见的深度学习框架轻松准备模型,在英特尔架构上优化训练和推断性能。  

英特尔深度学习 SDK 是一套免费工具,用于开发、训练和部署深度学习解决方案。本演示文稿将现场展示深度学习 SDK 训练工具,介绍如何利用 LeNet、AlexNet、GoogLeNet 等深度学习拓扑安装、训练数据集,这些拓扑位于面向英特尔架构性能优化的框架上,如 Caffe 框架。接下来,我们来看看训练工具。 

利用以下说明中的链接下载深度学习 SDK 安装程序,包括 Windows 和 Mac 两种版本,然后按照用户指南中的说明进行安装。在你的宿主机上启动这款工具。要完成此操作,您需要通过输入安装 DL SDK 的服务器 IP 地址和端口来访问服务器。启动后,主界面如图所示,可以上传图片,创建和训练模型。 

我们先来看一个示例。我将利用 MNIST 数据集进行展示。上传数据集前,确保框架具有最高级别的标签,每个标签都有相应的数据。 

第一步是上传原始数据。进入上传数据的步骤,在 route plan 中创建一个 supporter,选择数据和文件进行上传。上传完成后,可以从历史数据中复制数据集所需的开源数据。 

现在开始创建数据集。为数据集创建名称和一段简短描述,在原始数据中选择一定比例的数据用于训练和验证。 

MNIST 数据集包含 60,000 多个项目。大家可以通过改变比例进行验证。MNIST 数据集上的图像全部是 28×28 灰度图像。请务必在图像处理选项卡中选择正确的选项。 

如果使用彩色图像,AlexNet 和 GoogLeNet 等拓扑中的处理选项必须进行相应的设置。查看用户指南,了解有关处理选项的更多信息。执行数据库选项,选择数据库数据包和图像编码。现在可以开始创建数据集了。创建成功后,显示训练和验证数据集中每个标签下的数据项目数量。 

设置模型选项,选择合适的拓扑,然后训练模型。我们选择 Leonard,因为它是进行手写数字识别的最佳拓扑之一。AlexNet 和 GoogLeNet 非常适合处理彩色图像。 

你可以利用全新定制拓扑特性来编辑内置拓扑。编辑文本字段中的拓扑文件并保存。现在可以着手训练模型了。利用深度学习 SDK 中额外的数据转换功能来创建数字数据集。具体步骤不在此赘述,但是大家可以通过用户指南了解更多。 

接下来,我们将关注参数选择选项卡。基于所选的拓扑,超参数全部设置为默认最佳值。大家可以改变这些数值,以观察准确性和损失函数的变化。 

现在开始运行模型。50 次迭代后,训练精确度高达 100%,验证准确性大约 98%。通过设置测试选项卡验证模型,输入验证数据集以外的随机数字,查看模型输出的结果。还可以查看每个标签类别的命中和未命中数量。 

训练完成后,下载全部训练模型 Caffe 文件,用于部署平台,如智能摄像头或其他移动平台。部署平台模型产生的实时数据能够基于训练模型预测结果。 

感谢大家收看。英特尔开发人员专区提供有关深度学习 SDK 的更多信息,通过以下链接下载深度学习 SDK 安装程序的两种版本。希望您喜欢并分享该视频,欢迎订阅英特尔软件频道。