Ханнес Хапке , Кэтрин Нельсон - Разработка конвейеров машинного обучения. Автоматизация жизненных циклов модели с помощью TensorFlow
Название: | Разработка конвейеров машинного обучения. Автоматизация жизненных циклов модели с помощью TensorFlow | |
Автор: | Ханнес Хапке , Кэтрин Нельсон | |
Жанр: | Искусственный интеллект, Программирование: прочее | |
Изадано в серии: | Бестселлеры o’reilly | |
Издательство: | ДМК Пресс | |
Год издания: | 2021 | |
ISBN: | 978-5-97060-886-9 | |
Отзывы: | Комментировать | |
Рейтинг: | ||
Поделись книгой с друзьями! Помощь сайту: донат на оплату сервера |
Краткое содержание книги "Разработка конвейеров машинного обучения. Автоматизация жизненных циклов модели с помощью TensorFlow"
Машинное обучение становится важным элементом почти во всех отраслях. В этой книге представлено четкое и понятное руководство по автоматизации развертывания, управления и повторного использования моделей машинного обучения. Шаг за шагом описывается конкретный пример проекта, на котором можно отработать основные навыки в этой сфере. Благодаря множеству примеров кода и ясным, лаконичным объяснениям вы сможете создать свой собственный конвейер машинного обучения и запустите его в кратчайшие сроки. Книга поможет ученым и инженерам, специализирующимся в области машинного обучения и искусственного интеллекта, выйти за рамки работы с единичной моделью и успешно реализовать свои проекты в области науки о данных. Также издание будет полезно менеджерам проектов в области науки о данных, разработчикам программного обеспечения и инженерам DevOps, которые хотят, чтобы их организация ускорила свои проекты, использующие технологии машинного обучения и искусственного интеллекта. Читателю понадобится знание основных концепций машинного обучения и хотя бы одного из фреймворков, используемых в машинном обучении (например, PyTorch, TensorFlow, Keras).
Читаем онлайн "Разработка конвейеров машинного обучения. Автоматизация жизненных циклов модели с помощью TensorFlow". [Страница - 3]
- 1
- 2
- 3
- 4
- 5
- . . .
- последняя (151) »
Настройка модели...........................................................................................118
Стратегии настройки гиперпараметров....................................................118
Настройка гиперпараметров в конвейерах TFX.......................................119
Резюме..............................................................................................................119
Глава 7. Анализ и проверка модели.......................................................120
Как проанализировать модель.......................................................................121
Метрики классификации............................................................................121
Метрики регрессии......................................................................................124
Анализ модели TensorFlow..............................................................................125
Анализ одной модели в TFMA....................................................................126
Анализ нескольких моделей в TFMA..........................................................129
Анализ достоверности модели.......................................................................130
Формирование срезов для прогнозов модели в TFMA.............................132
Проверка пороговых значений решений с использованием
метрик справедливости..............................................................................134
Проведение более детального анализа с помощью инструмента
анализа альтернатив (What-If Tool)...........................................................136
8
Оглавление
Объяснение модели.........................................................................................140
Генерация объяснений с помощью WIT....................................................142
Другие методы объяснения........................................................................143
Анализ и проверка модели в TFX...................................................................145
ResolverNode................................................................................................145
Компонент Evaluator...................................................................................146
Проверка при помощи компонента Evaluator...........................................147
Компонент TFX Pusher................................................................................148
Резюме..............................................................................................................148
Глава 8. Развертывание модели с помощью
TensorFlow Serving........................................................................................149
Простой сервер моделей.................................................................................150
Недостатки развертывания моделей с помощью API на основе Python...... 151
Отсутствие разделения кода.......................................................................151
Отсутствие контроля версий модели.........................................................152
Неэффективный вывод модели..................................................................152
TensorFlow Serving...........................................................................................152
Обзор архитектуры TensorFlow......................................................................153
Экспорт моделей для TensorFlow Serving.......................................................153
Сигнатуры моделей.........................................................................................155
Методы сигнатуры......................................................................................155
Проверка экспортированных моделей..........................................................157
Проверка модели.........................................................................................158
Тестирование модели..................................................................................159
Установка TensorFlow Serving.........................................................................160
Установка Docker.........................................................................................160
Установка на Ubuntu....................................................................................160
Сборка TensorFlow Serving из исходного кода...........................................161
Настройка сервера TensorFlow........................................................................161
Конфигурация при работе с одной моделью.............................................162
Конфигурация при работе с несколькими моделями...............................164
REST или gRPC.................................................................................................166
REST..............................................................................................................166
gRPC..............................................................................................................166
Выполнение прогнозов на сервере моделей.................................................167
Получение прогнозов модели с использованием REST............................167
Работа с TensorFlow Serving через gRPC.....................................................169
A/B-тестирование модели с использованием TensorFlow Serving...............172
Запрос метаданных модели с сервера моделей............................................173
REST-запросы метаданных модели............................................................173
Запросы gRPC для метаданных модели.....................................................174
Оглавление
9
Пакетные запросы на вывод прогнозов модели...........................................175
Настройка использования пакетного режима в прогнозировании.........177
Другие функции оптимизации TensorFlow Serving.......................................179
Альтернативы TensorFlow --">
- 1
- 2
- 3
- 4
- 5
- . . .
- последняя (151) »
Книги схожие с «Разработка конвейеров машинного обучения. Автоматизация жизненных циклов модели с помощью TensorFlow» по жанру, серии, автору или названию:
Джереми Ховард, Сильвейн Гуггер - Глубокое обучение с fastai и PyTorch: минимум формул, минимум кода, максимум эффективности Жанр: Python Год издания: 2022 Серия: Бестселлеры o’reilly |
Кэти Уорр - Надежность нейронных сетей: укрепляем устойчивость ИИ к обману Жанр: Искусственный интеллект Год издания: 2021 Серия: Бестселлеры o’reilly |
Фил Уиндер - Обучение с подкреплением для реальных задач Жанр: Искусственный интеллект Год издания: 2023 Серия: Бестселлеры o’reilly |
Анирад Коул, Сиддха Ганджу, Мехер Казам - Искусственный интеллект и компьютерное зрение. Реальные проекты на Python, Keras и TensorFlow Жанр: Искусственный интеллект Год издания: 2023 Серия: Бестселлеры o’reilly |
Другие книги из серии «Бестселлеры o’reilly»:
Кэтрин Дэниелс, Дженнифер Энн Дэвис - Философия DevOps. Искусство управления IT Жанр: Менеджмент ПО Год издания: 2017 Серия: Бестселлеры o’reilly |
Карла Шрёдер - Linux. Книга рецептов Жанр: Linux Год издания: 2022 Серия: Бестселлеры o’reilly |
Кайл Симпсон - ES6 и не только Жанр: Java, Java Script Год издания: 2017 Серия: Бестселлеры o’reilly |
Джон Мэннинг, Пэрис Батфилд-Эддисон - Unity для разработчика. Мобильные мультиплатформенные игры Жанр: Программирование: прочее Год издания: 2018 Серия: Бестселлеры o’reilly |