Administrative information

Title	Hardware and software frameworks for deep learning
Duration	60 min
Module	B
Lesson Type	Lecture
Focus	Technical - Deep Learning
Topic	Computational Graphs

Keywords

deep learning, software, hardware, GPU infrastructure,

Learning Goals

Getting familiar with the hardware and software frameworks for deep learning systems

Expected Preparation

Learning Events to be Completed Before

Lecture: Fundamentals of deep learning

Obligatory for Students

None.

Optional for Students

None.

References and background for students:

None.

Recommended for Teachers

None.

Lesson Materials

Lecture slides (.pptx)

The materials of this learning event are available under CC BY-NC-SA 4.0.

Instructions for Teachers

The purpose of this lecture is to show students what hardware and software architectures help train and deploy deep learning solutions. We must acknowledge that these hardware and software components are brilliant technical solutions that enable us to scale training and inference. Apart from the hardware, NVIDIA GPUs and Google TPUs are the best choices today because they implement optimized deep learning algorithms with high-quality and fast drivers.

For deep learning, we use much more software than deep learning frameworks alone. We use configuration, scheduling, orchestration, and many other tools. The short introduction in this lecture only scratches the surface.

At the last part of the lecture, we show how multi-GPU training can be realized with Horovod. The aim is not to have a deep dive into multi-GPU trainings, but to show, that it is not so hard to implement a basic solution.

Opening the web sites of the hardware manufacturers and of the software providers might help the students to have some hands-on experience.

Outline

hardware solutions - from desktop to server grade
deep learning software frameworks
additional softwares for deep learning solutions

Time schedule
Duration (Min)	Description
5	The need of parallel computing in deep learning
15	Hardware solutions
5	How to compare different hardware for deep learning
10	Deep learning software architecture
10	Deep learning frameworks
10	Additional software components

More information

Click here for an overview of all lesson plans of the master human centred AI

Please visit the home page of the consortium HCAIM

Acknowledgements

The Human-Centered AI Masters programme was co-financed by the Connecting Europe Facility of the European Union Under Grant №CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.

The materials of this learning event are available under CC BY-NC-SA 4.0

The HCAIM consortium consists of three excellence centres, three SMEs and four Universities

Colofon

Het arrangement Lecture: Hardware and software frameworks for deep learning is gemaakt met Wikiwijs van Kennisnet. Wikiwijs is hét onderwijsplatform waar je leermiddelen zoekt, maakt en deelt.

Auteur: HCAIM Consortium
Laatst gewijzigd: 2024-05-15 11:14:28
Licentie: Dit lesmateriaal is gepubliceerd onder de Creative Commons Naamsvermelding-GelijkDelen 4.0 Internationale licentie. Dit houdt in dat je onder de voorwaarde van naamsvermelding en publicatie onder dezelfde licentie vrij bent om:

het werk te delen - te kopiëren, te verspreiden en door te geven via elk medium of bestandsformaat

het werk te bewerken - te remixen, te veranderen en afgeleide werken te maken

voor alle doeleinden, inclusief commerciële doeleinden.

Meer informatie over de CC Naamsvermelding-GelijkDelen 4.0 Internationale licentie.

Aanvullende informatie over dit lesmateriaal

Van dit lesmateriaal is de volgende aanvullende informatie beschikbaar:

Toelichting: .
Eindgebruiker: leerling/student
Moeilijkheidsgraad: gemiddeld
Studiebelasting: 4 uur en 0 minuten

Gebruikte Wikiwijs Arrangementen

HCAIM Consortium. (z.d.).

Acknowledgement

https://maken.wikiwijs.nl/198386/Acknowledgement

HCAIM Consortium. (z.d.).

Lecture: Forward propagation

https://maken.wikiwijs.nl/200294/Lecture__Forward_propagation

Downloaden

Het volledige arrangement is in de onderstaande formaten te downloaden.

Metadata

Metadata overzicht (Excel)

LTI

Leeromgevingen die gebruik maken van LTI kunnen Wikiwijs arrangementen en toetsen afspelen en resultaten terugkoppelen. Hiervoor moet de leeromgeving wel bij Wikiwijs aangemeld zijn. Wil je gebruik maken van de LTI koppeling? Meld je aan via info@wikiwijs.nl met het verzoek om een LTI koppeling aan te gaan.

Maak je al gebruik van LTI? Gebruik dan de onderstaande Launch URL’s.

Arrangement

IMSCC package

Wil je de Launch URL’s niet los kopiëren, maar in één keer downloaden? Download dan de IMSCC package.

IMSCC package

Meer informatie voor ontwikkelaars

Wikiwijs lesmateriaal kan worden gebruikt in een externe leeromgeving. Er kunnen koppelingen worden gemaakt en het lesmateriaal kan op verschillende manieren worden geëxporteerd. Meer informatie hierover kun je vinden op onze Developers Wiki.