使用 Azure 机器学习训练计算密集型模型
大规模机器学习和深度学习模型需要充足的计算能力。 了解何时应选择 GPU 计算，以及不同框架如何帮助你在预处理、模型训练和部署过程中最好地利用 GPU 计算。
先决条件
在开始本学习路径之前，你应该熟悉 Azure 机器学习服务以及训练计算密集型机器学习模型和深度学习模型。
成就代码
是否希望请求成就代码？
本学习路径中的模块
训练计算密集型模型时在 Azure 机器学习中选择 GPU 计算。 若要减少处理数据所需的时间，请有效地存储数据并使用与 GPU 计算兼容的数据操作库。
在 Azure 机器学习中，用 GPU 计算训练计算密集型模型。 通过监视工作负载，可以找到最佳的计算配置。 通过分布式训练，可以在多个节点上训练，以加快训练时间。
由于模型大小的原因，部署用于实时推理的大规模模型非常困难。 了解在模型评分过程中，你可以执行的操作以及可用于优化模型性能的框架。