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 - 4]
BentoML........................................................................................................180
Seldon...........................................................................................................180
GraphPipe......................................................................................................181
Simple TensorFlow Serving...........................................................................181
MLflow...........................................................................................................181
Ray Serve.......................................................................................................181
Развертывание моделей с использованием услуг поставщиков
облачных решений..........................................................................................182
Сценарии использования...........................................................................182
Пример развертывания с помощью облачных
платформ Google.........................................................................................182
Развертывание модели с помощью конвейеров TFX....................................188
Резюме..............................................................................................................189
Глава 9. Расширенные концепции развертывания моделей
с помощью TensorFlow Serving................................................................190
Разделение зон ответственности в процессе развертывания......................190
Обзор рабочего процесса............................................................................191
Оптимизация загрузки удаленной модели...................................................193
Оптимизация модели для развертываний....................................................194
Квантование.................................................................................................194
Сокращение.................................................................................................195
Дистилляция................................................................................................196
Использование TensorRT совместно с TensorFlow Serving............................196
TFLite................................................................................................................197
Шаги по оптимизации моделей машинного обучения
с помощью TFLite........................................................................................197
Развертывание моделей TFLite
с помощью TensorFlow Serving...................................................................199
Мониторинг экземпляров TensorFlow Serving..............................................200
Установка Prometheus.................................................................................200
Конфигурация TensorFlow Serving..............................................................202
Простое масштабирование с помощью TensorFlow Serving и Kubernetes......204
Дополнительная литература о Kubernetes и Kubeflow..............................205
Резюме..............................................................................................................206
Глава 10. Расширенные концепции TensorFlow Extended. ..........207
Расширенные концепции конвейеров машинного обучения......................207
Одновременное обучение нескольких моделей........................................208
10
Оглавление
Экспорт моделей TFLite..............................................................................209
Ограничения TFLite.....................................................................................210
Обучение модели с «теплым» запуском....................................................212
Участие человека в конвейере машинного обучения...................................212
Настройка компонента Slack......................................................................214
Как использовать компонент Slack............................................................214
Пользовательские компоненты TFX..........................................................215
Сценарии использования пользовательских компонентов.....................216
Создание пользовательского компонента с нуля.....................................216
Повторное использование существующих компонентов........................225
Резюме..............................................................................................................228
Глава 11. Конвейеры, часть 1: Apache Beam и Apache Airflow..... 230
Какой инструмент оркестрации выбрать?.....................................................231
Apache Beam.................................................................................................231
Apache Airflow..............................................................................................231
Kubeflow Pipelines........................................................................................231
Kubeflow Pipelines на платформе AI...........................................................232
Преобразование вашего интерактивного конвейера TFX
в производственный конвейер.......................................................................232
Преобразование элементарного интерактивного конвейера для Beam
и Airflow............................................................................................................234
Введение в Apache Beam.................................................................................235
Оркестрация конвейеров TFX с помощью Apache Beam..............................235
Введение в Apache Airflow...............................................................................237
Установка и начальная настройка..............................................................237
Элементарный пример использования Airflow.........................................239
Оркестрация конвейеров TFX с помощью Apache Airflow............................242
Настройка конвейера..................................................................................242
Запуск --">
Книги схожие с «Разработка конвейеров машинного обучения. Автоматизация жизненных циклов модели с помощью TensorFlow» по жанру, серии, автору или названию:
Орельен Жерон - Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow Жанр: Искусственный интеллект Год издания: 2020 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 |
Сет Вейдман - Глубокое обучение: легкая разработка проектов на Python Жанр: Python Год издания: 2021 Серия: Бестселлеры o’reilly |
Другие книги из серии «Бестселлеры o’reilly»:
Джефф Паттон - Пользовательские истории. Искусство гибкой разработки ПО Жанр: О бизнесе популярно Год издания: 2017 Серия: Бестселлеры o’reilly |
Робин Никсон - Создаем динамические веб-сайты с помощью PHP, MySQL, JavaScript, CSS и HTML5 Жанр: Интернет Год издания: 2016 Серия: Бестселлеры o’reilly |
Адам Д. Скотт - Разработка на JavaScript. Построение кроссплатформенных приложений с помощью GraphQL, React, React... Жанр: Программирование: прочее Год издания: 2021 Серия: Бестселлеры o’reilly |
Адам Беллемар - Создание событийно-управляемых микросервисов Жанр: Программирование: прочее Год издания: 2022 Серия: Бестселлеры o’reilly |