Sådan stabler du deep learning på benene

Deep learning er måden, hvorpå en algoritme analyserer data for at skabe et resultat, der gør programmet i stand til at se f.eks. sammenligninger eller sammenhænge. Et godt eksempel er, når virksomheder bruger deep learning til at lære en selvkørende bils software at se, analysere og identificere skilte. Via deep learning lærer bilens software at forstå, hvad de forskellige skilte betyder, hvis den har en stor nok datamængde. Deep learning kan dog bruges til en lang række områder og opgaver. Deep learning kræver en del proceskraft for at kunne analysere data optimalt. Dette kan b.la. skabes via servere. Efter du har brugt deep learning til at skabe et brugbart resultat, du kan bruge i din virksomhed, kan du implementere resultatet i dine overvejelser og ændringer i virksomheden. Hvis du arbejder inden for det industrielle, kan du bruge en hmi pc til at videreføre deep learningens resultater. Hmi står for human maschine interface og er det interface du som bruger ser og bruger til at styre en industriel maskine. Hmi pc’en gør det nemmere at overskue og bruge en ellers kompliceret industriel maskine eller computer.

Deep learning er krævende

Som nævnt kan deep learning kræve mange servere til alt dataet. Derudover kræver det en gpu af høj kvalitet. En gpu er den del af computeren eller serveren (eller en hmi pc for den sags skyld), der står for 3D-modeller, hvilket er krævet til de fleste versioner af deep learning. Men hvilken gpu skal du vælge?

  • Hvis din opgave er forholdsvis lille og ikke kræver meget data og kan passe ind i sequential proccesing, kan du måske helt undgå at bruge en gpu. Dette er dog sjældent tilfældet.

  • For deep learning, der f.eks. udføres på en bærbar computer, kræver det en forholdsvis effektiv standard gpu. Det kan være alt fra en 2GB Nvidia GT 740M (til de mindre opgaver) til en Nvidia GTX 1080 med 8GB VRAM (til de større opgaver).

  • Hvis du er en virksomhed, der arbejder med deep learning, kræver det en større maskine og gpu kraft. Du kan bruge cloud-systemer som AWS og FloydHub, eller du kan lave dit eget deep learning system (dvs. specialdesigne en computer til opgaven). Sådan et system kunne f.eks. se sådan ud: En processor med Intel Xeon E2630, 10 core processor, 25MB cache. Et motherboard af ASRock EPC612D8A. RAM på 128GB med DDR4 2133MHz. 2TB harddisk (7200 RPM) og 512GB SSD. En gpu af modellen Nvidia Titanx Pascal (12GB VRAM).

  • Hvis du arbejder på den helt store skala, gælder det om at sammensætte flere gpu’er, så du har nok computerkraft til at udføre opgaven af denne kaliber.

Databehandling bliver den mest indbringende forretning

Allerede nu kan datavirksomheder (kaldet Big Tech) siges at være de mest værdifulde og profitrige i verden. Fire ud af top fem mest værdifulde virksomheder på den amerikanske børs er lige nu virksomheder, der arbejder med data. Hvis du vil skabe en virksomhed, der har fremtidig succes, er en datavirksomhed en god mulighed.