同样是深度学习图像训练,在人脸识别和地理图像识别训练以及推理中,超集提供的方案有何不同?
若都需要做数据预处理,需要搭配高主频的预处理服务器;在涉及到多用户使用时需要更大的CPU内核;在具体训练过程中,人脸图像在清晰度以及图像文件大小等多方面要求都不及地理图像;相对的在针对地理图像的用户时,需要提供更大的计算内存,更高显存计算卡,甚至需要用到GPU的仿真计算性能。所以,同样是图像训练不同的应用类型对于计算卡以及内存和CPU的要求也不可一概而论。
若都需要做数据预处理,需要搭配高主频的预处理服务器;在涉及到多用户使用时需要更大的CPU内核;在具体训练过程中,人脸图像在清晰度以及图像文件大小等多方面要求都不及地理图像;相对的在针对地理图像的用户时,需要提供更大的计算内存,更高显存计算卡,甚至需要用到GPU的仿真计算性能。所以,同样是图像训练不同的应用类型对于计算卡以及内存和CPU的要求也不可一概而论。
模型训练是一个整体的计算过程,不仅仅只是GPU计算的过程,其中涉及到数据集读取,数据处理,模型训练以及训练数据存储等过程。涉及到的硬件包含了GPU服务器的整体。建议查看例如CPU,内存,硬盘等使用情况,查看是否存在大量预处理任务或者数据读取过慢的情况。还可以查看batch size ,DataLoader等数值,优化GPU处理的数据量。