Capítulo 9. Uso del Aprendizaje Profundo y DL4J en Spark
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
Diez años en la carretera, haciendo el amor de una noche Acelerando mi joven vida Dímelo una vez más para que lo entienda ¿Estás seguro de que Hank lo hizo así? ¿Realmente el viejo Hank lo hizo así?
Waylon Jennings, "¿Estás seguro de que Hank lo hizo así?"
Introducción al uso de DL4J con Spark y Hadoop
Dos tecnologías clave del centro de datos que han surgido en la última década son Apache Hadoop y Apache Spark. Hadoop, en particular, se ha convertido en el epicentro del crecimiento y la evolución de los almacenes de datos. Spark ha sucedido a MapReduce para convertirse en el principal marco de ejecución en Hadoop para ejecutar algoritmos iterativos paralelos.
DL4J admite el escalado del entrenamiento de redes en Spark. Podemos utilizar la ejecución en Spark de DL4J para reducir significativamente el tiempo necesario para entrenar nuestras redes. Este escenario también nos da la opción de mitigar el aumento del tiempo de entrenamiento a medida que crece el tamaño de la entrada.
¡A la Nube!
Plataformas como Amazon Web Services (AWS), Google Cloud y Microsoft Azure hacen posible que la gente pueda montar un clúster Spark bajo demanda, por sólo unos pocos dólares. DL4J puede ejecutarse en la mayoría de las infraestructuras de nubes públicas,1 dando a los profesionales flexibilidad en cómo y dónde ejecutan ...
Get Aprendizaje profundo now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
