Ich frage mich nur, ob es einen Ansatz für das Training eines maschinellen Lernmodells auf großen Trainingsdaten gibt, wo die Hardware die gesamten Trainingsdaten nicht unterstützen kann.Maschinelles Lernen Modelltraining mit Hardware-Einschränkungen
-3
A
Antwort
1
Dies ist einer der entscheidenden Gründe für die Existenz von inkrementelles Lernen sowie Techniken wie stochastischen Gradientenabfallsaktualisierung (und seine Mini-Batch Verallgemeinerungen); Im Allgemeinen muss das einzige Modell, das in Ihre Hardware (z. B. GPU) passen muss, das Modell selbst sein, mit ausreichender Kapazität, um einen kleinen Stapel Ihrer Trainingsdaten zu parsen. Insbesondere werden alle modernen neuronalen Netze auf solche Weise trainiert (wo Daten durch das Modell in Stapeln gesendet werden, müssen Sie niemals den gesamten Datensatz in den Speicher legen).
Verwandte Themen
- 1. Maschinelles Lernen mit begrenzten Computerressourcen
- 2. Maschinelles Lernen zur Parameteroptimierung
- 3. Python - maschinelles Lernen
- 4. Textklassifikation ohne maschinelles Lernen
- 5. Wolke maschinelles Lernen
- 6. Maschinelles Lernen in Bot
- 7. Maschinelles Lernen in GATE
- 8. Modellieren Kartenspiel für maschinelles Lernen
- 9. Maschinelles Lernen, bestimmte Beobachtungen hervorheben?
- 10. Externe GPU für maschinelles Lernen
- 11. Python Importe für maschinelles Lernen
- 12. Beaufsichtigtes maschinelles Lernen für .Net
- 13. maschinelles Lernen, nominale Daten Normalisierung
- 14. Implementierung maschinelles Lernen auf Android
- 15. Python CSV-Stream für maschinelles Lernen Algorithmen
- 16. Google Cloud - Compute Engine VS Maschinelles Lernen
- 17. Datenkompression - maschinelles Lernen für die exponentielle Verteilung
- 18. Scoring Vorhersagen in sklearn (Python maschinelles Lernen)
- 19. Was sind die Voraussetzungen, um maschinelles Lernen zu lernen?
- 20. Cretae Datasourse maschinelles Lernen AWS über SDK
- 21. Historische Etiketten für überwachtes maschinelles Lernen
- 22. maschinelles lernen - svm feature fusion techique
- 23. Maschinelles Lernen Cocktail-Party Audio Anwendung
- 24. Wie GATE maschinelles Lernen (Textklassifizierung) verarbeitet?
- 25. Berechnung Entropie in Entscheidungsbaum (Maschinelles Lernen)
- 26. Google Cloud maschinelles Lernen Tutorial Fehler
- 27. Maschinelles Lernen, AI und Soft Computing
- 28. Typerror in maschinelles Lernen Tutorial, numpy
- 29. Unausgeglichene Trainingsdaten für maschinelles Lernen (CNNs/RNNs)
- 30. maschinelles Lernen - Multi-Label-Klassifizierung Svm
Diese Frage ist * viel zu breit * für Stack Overflow. –
Dies ist eine ziemlich breite Frage, die davon abhängt, welche Art von Daten Sie betrachten. Der erste Ort, den ich mir ansehen würde, ist ein Modell, das die Daten iterativ behandeln kann, was nicht das gesamte Trainingssatz im Speicher benötigt. Das Beste wäre, wenn Sie so etwas ausprobieren und eine Frage stellen, wenn Sie auf ein Problem stoßen. – danielunderwood