Si vous envisagez le Machine Learning, a fortiori le Deep Learning (apprentissage profond), de manière sérieuse, alors inéluctablement se pose à un moment, la question de l’hébergement de vos logiciels et de vos données.

Si vous êtes à l’aise avec le HW, vous pouvez bien sûr créer votre propre Deep Learning Box, ce qui vous coûtera un peu moins de 1000 €. Par contre, vous devrez y consacrer beaucoup de temps car il vous faudra aussi ajouter les OS, libraires, environnements, …

Le plus simple est quand même le Cloud. Et encore plus simple, un Cloud dédié au Machine Learning ! (cf. Repérer les cancers).

Cet article présente quelques solutions.

D’une manière générale – c’est à dire non spécifique au DL – les leaders du Cloud sont : AWS (Amazon Web Services), GCP (Google Cloud Platform) et Microsoft Azure. Ils ont tous leur propre solution pour le DL.

Il faut ajouter à ceux-là quelques acteurs spécifiques (Paperspace, Crestle, FloydHub, Nimbix)

L’objectif n’est pas de faire ici une comparaison de toutes ces plateformes, qui rapidement serait obsolète à peine écrite étant donné les évolutions rapides dans ce domaine, mais d’informer de leur existence.

GCP

Lorsqu’on utilise Tensorflow, il paraît logique d’utiliser GCP et Cloud Machine Learning Engine. Ce n’est pas forcément très simple mais c’est ce qui semble le plus logique.

Référez-vous au tutoriel de Google pour la démarche et à leurs prix.

AMI AWS Deep Learning

Amazon a bien sûr un équivalent de GCP, avec en plus des pré-configurations pour TF (TensorFlow), Gluon, Theano, Keras, …

Azure Machine Learning

Microsoft n’est pas en reste. Leurs services sont beaucoup plus intuitifs et donc correspondent mieux à des débutants.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *