====== DEEP LEARNING ======

Deep Learning es un subconjunto de //Machine Learning// en el que redes neuronales artificiales aprenden de una gran cantidad de datos. Se utiliza para resolver problemas complejos aun cuando se usen datos que son muy diversos, no estructurados e interconectados. Se aplica en diferentes campos tales como visión por computadoras, reconocimiento de señales de audio, música y voz.

Para realizar estudios de Deep Learning se puede usar Tensorflow/Keras, Theano, PyTorch, Matlab, entre otros. 

Se recomienda a los usuarios que trabajan Deep Learning con Python el uso de [[hpc-python-entorno|entornos virtuales]]. Estos entornos permiten encapsular todas las bibliotecas de Python que se necesitan sin interferir con las del sistema del HPC UO. Vea los detalles para:

- [[https://wiki.hpc.uo.edu.cu/doku.php?id=hpc-gpu-tensorflow|Tensorflow]]

- [[https://wiki.hpc.uo.edu.cu/doku.php?id=hpc-gpu-pytorch|Pytorch]]

**Envío de trabajos con Deep Learning al HPC UO**

Para ejecutar un código con los entornos virtuales, se debe usar el siguiente script y enviarlo con el comando //sbatch//:

<code>
#!/bin/bash
#SBATCH --partition=gpu
#SBATCH --job-name=        # Nombre del trabajo
#SBATCH --nodes=1
#SBATCH --ntasks=1
#SBATCH --gres=gpu:m10:1
#SBATCH -o slurm.%N.%j.out # STDOUT 
#SBATCH -e slurm.%N.%j.err # STDERR

# Cambiar al directorio de envío
cd $SLURM_SUBMIT_DIR

# Activar entorno virtual
source ~/.bashrc
conda activate <nombre_entorno_virtual>

# Ejecutar el programa
python <nombre_del_codigo>.py
</code>

**Uso de la base de datos MNIST**

En el caso de que se use la base de datos MNIST, los usuarios no deben descargar la misma en sus $HOME. Existe una copia en el directorio /opt del clúster para uso de todos los usuarios. Solamente hay que explicitar la ubicación de la misma "/opt/apps/databases/mnist" en el fichero .py.