Статьи

4 лучших Jupyter Notebook среды для глубокого обучения

Записные книжки становятся стандартом для прототипирования и анализа данных ученых. Многие облачные провайдеры предлагают услуги машинного обучения и глубокого обучения в виде ноутбуков Jupyter. Другие игроки теперь начали предлагать облачные среды Jupyter с аналогичной структурой хранения, вычислений и ценообразования. Одним из основных отличий могут быть многоязыковая поддержка и параметры управления версиями, которые позволяют ученым обмениваться информацией о своей работе в одном месте.

Растущая популярность Jupyter ноутбуков

Среды Jupyter для ноутбуков в настоящее время становятся первым пунктом назначения для реализации вашего проекта по науке о данных. Среда ноутбука позволяет нам отслеживать ошибки и поддерживать чистый код. Одна из лучших функций, хотя и простая, заключается в том, что ноутбук перестанет компилировать ваш код, если обнаружит ошибку. Обычные IDE не останавливают компиляцию, даже если обнаружена ошибка, и, в зависимости от объема кода, это может быть пустой тратой времени, чтобы вернуться назад и вручную определить, где находится ошибка. 

Многие облачные провайдеры и другие сторонние сервисы видят ценность среды ноутбуков Jupyter, поэтому многие компании теперь предлагают облачные ноутбуки, которые размещены в облаке и доступны миллионам людей. Многие исследователи данных не имеют необходимого оборудования для проведения крупномасштабного глубокого обучения, но в облачных средах в основном заботятся о конфигурации оборудования и бэкэнда, что оставляет пользователю только настраивать желаемые параметры.

1.) MatrixDS

MatrixDS – это облачная платформа, которая обеспечивает взаимодействие с социальными сетями в сочетании с GitHub и предназначена для обмена вашими проектами в области данных с коллегами. Они поддерживают некоторые из наиболее часто используемых технологий, таких как R, Python, Shiny, MongoDB, NGINX, Julia, MySQL и PostgreSQL. 

Они предлагают как бесплатные, так и платные уровни. Платный уровень аналогичен тому, что предлагается на основных облачных платформах, при этом вы можете платить по использованию или по времени. Платформа обеспечивает поддержку GPU по мере необходимости, так что задачи, требующие большого объема памяти и вычислительных ресурсов, могут быть выполнены, когда локальной машины недостаточно.

Чтобы начать работу со средой ноутбука Jupyter в MatrixDS:

  • Зарегистрируйтесь в сервисе для создания аккаунта. По умолчанию это должен быть бесплатный аккаунт.
  • Затем вам будет предложено перейти на страницу проектов. Здесь нажмите зеленую кнопку в правом верхнем углу, чтобы начать новый проект. Дайте ему имя и описание и нажмите CREATE. 
  • Затем вам будет предложено установить некоторые конфигурации, такие как объем оперативной памяти и ядер. Поскольку это бесплатная учетная запись, вы будете ограничены 4 ГБ ОЗУ и 1-ядерным процессором. 
  • После этого вы попадете на страницу, где ваш инструмент (экземпляр Jupyter Notebook) будет настраиваться и готовиться.
  • Как только вы увидите, что процесс установки завершен, нажмите START, а после того, как он заработает, нажмите OPEN, и вы попадете на новую вкладку с вашим экземпляром Jupyter Notebook.

2.) Google Collaboratory 

  • Google Colab – это бесплатная среда для ноутбуков Jupyter, предоставляемая Google специально для задач глубокого обучения. Он работает полностью в облаке и позволяет вам делиться своей работой, напрямую сохранять ее на своем Google Диске и предлагает ресурсы для вычислительной мощности.
  • Одним из основных преимуществ Colab является то, что он предлагает бесплатную поддержку графических процессоров (с ограничениями, конечно, смотрите их FAQ). Посмотрите эту замечательную статью Энн Боммер о том, как начать работу с Google Colab .
  • Он не только поддерживает GPU, но и имеет доступ к TPU на Colab .  

Простым примером использования Google colab для вашей среды Jupyter, помимо обычного ноутбука Jupyter, является возможность использования функций cv2.imshow () и cv.imshow () из пакета opencv-python . Эти две функции несовместимы с автономным ноутбуком Jupyter. Googel Colab предлагает специальное решение для этой проблемы:


Джава