Ich schreibe eine Kalibrierungspipeline, um die Hyperparameter für neuronale Netze zu lernen, um Eigenschaften von DNA-Sequenzen zu erkennen *. Dies erfordert daher das Trainieren einer großen Anzahl von Modellen auf demselben Datensatz mit unterschiedlichen Hyperparameter

Ich versuche dies zu optimieren, damit es auf einer GPU läuft. DNA-Sequenzdatensätze sind im Vergleich zu Bilddatensätzen ziemlich klein (typischerweise 10s oder 100s Basenpaare in 4 "Kanälen", um die 4 DNA-Basen A, C, G und T darzustellen, im Vergleich zu 10.000 Pixel in 3 RGB-Kanälen). und können daher die Parallelisierung auf einer GPU nur dann voll ausnutzen, wenn mehrere Modelle gleichzeitig trainiert werden.

Gibt es eine Möglichkeit, dies in Nolearn, Lasagne oder im schlimmsten Fall Theano zu tun?

* Es basiert auf demDeepBind model um festzustellen, wo Transkriptionsfaktoren an DNA binden, wenn Sie interessiert sind.