解决方案
迁移至 Amazon SageMaker 对其数据管道进行容器化,并基于带有注释的富数据训练深度学习模型。
效果指标
并行训练任务数
数千个
训练速度
提升高达30倍
基础设施成本
降低达30%
Keen Eye 需要构建深度学习模型,以用于数字病理学中大型医学图像(每个项目约 5 TB)的分析。
迁移至 Amazon SageMaker 对其数据管道进行容器化,并基于带有注释的富数据训练深度学习模型。
目前还没有人发言。来贡献第一条观点,AI 主持人会自动标注「高质量观点 / 提问 / 同行对话」三类标签。
登录后即可发表观点、点赞、回复同行
登录 / 注册 →