VK Cloud Solutions logo

Общее описание

Среды для обучения

В рамках платформы VK Cloud Solutions можно создать рабочее место data scientists.

Рабочее место data scientists — это образ виртуальной машины, включающий в себя популярные среды и инструменты для работы с машинным обучением.

Состав продукта

CS а: Ubuntu 18.04 «Machine Learning»

Предустановленные компоненты:

  • GPU драйвера NVIDIA
  • NVIDIA CUDA
  • NVIDIA CUDA Deep Neural Network Librayr (cuDNN)
  • NVIDIA Docker
  • Пакетный менеджер Anaconda
  • Средства разработки C/C++ (gcc, g++, clang, gdb, make, cmake и д.р.)
  • Системы контроля версий (git, svn, mercurial)

Работа с Jupyter Notebooks

Образ содержит предустановленный Jupyter Notebooks. Для запуска сервера введите следующую команду:

jupyter-notebook --ip '\*'

Далее перейдите по ссылке, указанной на экране. Вместо 'localhost' или имени следует использовать внешний плавающий IP адрес машины.

Работа с conda

Conda - кросс-платформенный пакетный менеджер для Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN. Conda является продвинутым аналогом pip + virtualenv.

Репозитории conda содержат все популярные инструменты и фреймворки для машинного обучения, такие какpandas,scikit-learn,Matplotlib,XGBoost,LightGBM,PyTorch,TensorFlow и д.р.

Для начала работы с conda наберите "conda info":

conda info

Получение списка виртуальных окружений:

conda env list

Создание нового виртуального окружения с установленным пакетом tensorflow и Python версии 3.6:

conda create --name <НАЗВАНИЕ> python=3.6 tensorflow-gpu

Активация виртуального окружения:

source activate <НАЗВАНИЕ>    

Поиск пакета:

conda search <НАЗВАНИЕ ПАКЕТА>

Установка пакета в текущее виртуальное окружение:

conda install <НАЗВАНИЕ ПАКЕТА>

Деактивация текущего виртуального окружения:

source deactivate

За более подробной информацией по работе с Conda обратитесь в официальную документацию. Для удобства рекомендуем воспользоваться шпаргалкой по работе с Conda.

Vision

Vision — это технология распознавания лиц, объектов, процессов на базе машинного обучения и искусственных нейронных сетей. Vision позволит автоматизировать и повысить точность комплексной визуальной проверки различной сложности.

  • 98% точность определения лица среди миллиона
  • TensorRT на инференсе, <10ms на фото на GPU
  • 314 классов распознавания сцен, 25 000 классов – объектов

Технологии Vision доступны через программные интерфейсы API, которые постоянно расширяются. Их список доступен в этом справочном центре. С помощью API вы сможете решить такие кейсы, как:

  • Определение сцен иобъектов
  • Отслеживание людей
  • Распознавание знаменитостей
  • Распознавание текста наизображениях
  • Обнаружение автомобилей
  • Увеличение разрешения
  • Поиск достопримечательностей
  • Выявление дефекта напроизводстве
  • Определение номеров автомобилей
  • Модерация изображений