有趣的事

matlab 深度学习网络如何设置多cpu训练?

在 MATLAB 中进行深度学习网络的多 CPU 训练,可以通过设置 ExecutionEnvironment 参数为 'multi-gpu' 来实现。这样 MATLAB 将会使用所有可用的 CPU 核心来加速训练过程。具体步骤如下:

  1. 定义深度学习网络模型。
  2. 将 ExecutionEnvironment 参数设置为 'multi-gpu'。
  3. 使用 trainNetwork 函数来训练模型。

下面是一个示例代码:

% 定义深度学习网络模型
layers = [
    imageInputLayer([28 28 1])
    convolution2dLayer(3,8,'Padding','same')
    reluLayer
    maxPooling2dLayer(2,'Stride',2)
    convolution2dLayer(3,16,'Padding','same')
    reluLayer
    maxPooling2dLayer(2,'Stride',2)
    fullyConnectedLayer(10)
    softmaxLayer
    classificationLayer];

% 设置 ExecutionEnvironment 参数为 'multi-gpu'
options = trainingOptions('sgdm', 'ExecutionEnvironment', 'multi-gpu');

% 加载训练数据
load mnist;
XTrain = reshape(XTrain,28,28,1,[]);
YTrain = categorical(YTrain);

% 训练网络
net = trainNetwork(XTrain,YTrain,layers,options);

在这个示例中,我们定义了一个简单的卷积神经网络模型,然后将 ExecutionEnvironment 参数设置为 'multi-gpu',最后使用 trainNetwork 函数来训练模型。这样 MATLAB 将会利用所有可用的 CPU 核心来加速训练过程。

相关阅读