微瑕分布式机器学习模式
￥ 34.9 5.0折 ￥ 69.8 全新
仅1件
作者唐源(YuanTang) 著,梁豪 译
出版社清华大学出版社
ISBN9787302672265
出版时间2024-10
版次1
装帧线装
开本16开
纸张胶版纸
定价69.8元
货号2170-9787302672265
上书时间2024-12-10
- 在售商品 暂无
- 平均发货时间 12小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
基本信息
书名:分布式机器学习模式
定价：69.8元
作者:唐源(YuanTang) 著,梁豪 译
出版社：清华大学出版社
出版日期：2024-10-01
ISBN：9787302672265
字数：
页码：
版次：
装帧：线装
开本：32开
商品重量：
编辑推荐
在现代分布式系统上部署机器学习应用时，我们逐渐将关注焦点转向了可靠性、性能、安全性以及解决这些问题所带来的运维挑战。在这本深入指南中，Argo 和 Kubeflow 的项目负责人Yuan Tang分享了将机器学习模型从单机环境迁移到复杂的分布式集群中的模式、示例和所积累的宝贵经验。
内容提要
《分布式机器学习模式》将详细介绍数十种设计和部署分布式机器学习系统的技术。你将使用各种模式解决如下问题：如何进行分布式模型训练、如何应对突发的系统故障，以及如何部署动态的模型服务。本书为每种模式都配备了实际的案例分析，以及基于 Kubernetes 实现分布式模型训练和弹性推理的完整项目。主要内容 数据摄取、分布式训练、模型服务等概念 使用 Kubeflow 和 Argo 工作流在 Kubernetes 上实现 TensorFlow 的自动化部署 管理和监控大规模机器学习工作负载
目录
第I部分 基本概念和背景第1章 了解开发环境 31.1 大规模机器学习 41.1.1 不断扩大的规模 41.1.2 解决方案 51.2 分布式系统 61.2.1 分布式系统基本概念 71.2.2 复杂性和模式 71.3 分布式机器学习系统 81.3.1 分布式机器学习系统基本概念 81.3.2 类似的模式 91.3.3 分布式机器学习系统的应用场景 101.3.4 不适合使用分布式机器学习系统的场景 111.4 本书涵盖的内容 111.5 本章小结 12第II部分 分布式机器学习系统模式第2章 数据摄取模式 172.1 数据摄取的基本概念 182.2 Fashion-MNIST数据集 192.3 批处理模式 222.3.1 问题：在内存有限的情况下对 Fashion-MNIST数据集执行耗费资源的操作 222.3.2 解决方案 242.3.3 讨论 262.3.4 练习 272.4 分片模式：在多台机器之间分割极大的数据集 282.4.1 问题 282.4.2 解决方案 292.4.3 讨论 322.4.4 练习 342.5 缓存模式 342.5.1 问题：重新访问之前使用过的数据以进行高效的多轮模型训练 352.5.2 解决方案 362.5.3 讨论 382.5.4 练习 392.6 习题答案 392.7 本章小结 40第3章 分布式训练模式 413.1 分布式训练的基本概念 423.2 参数服务器模式：800万样本的实体标记 433.2.1 问题 453.2.2 解决方案 453.2.3 讨论 503.2.4 练习 503.3 集合通信模式 513.3.1 问题：当参数服务器成为瓶颈时提高性能 523.3.2 解决方案 523.3.3 讨论 583.3.4 练习 593.4 弹性与容错模式 593.4.1 问题：使用有限的计算资源处理训练时的意外故障 593.4.2 解决方案 603.4.3 讨论 623.4.4 练习 633.5 习题答案 633.6 本章小结 64第4章 模型服务模式 654.1 模型服务的基本概念 664.2 副本服务模式：处理不断增长的服务请求 674.2.1 问题 694.2.2 解决方案 694.2.3 讨论 724.2.4 练习 724.3 分片服务模式 734.3.1 问题：处理包含高分辨率视频的大型模型服务请求 744.3.2 解决方案 744.3.3 讨论 764.3.4 练习 774.4 事件驱动处理模式 774.4.1 问题：基于事件响应模型服务请求 794.4.2 解决方案 804.4.3 讨论 844.4.4 练习 854.5 习题答案 854.6 本章小结 86第5章 工作流模式 875.1 工作流的基本概念 885.2 扇入和扇出模式：组成复杂的机器学习工作流 915.2.1 问题 925.2.2 解决方案 935.2.3 讨论 975.2.4 练习 985.3 同步和异步模式：通过并发加速工作流 985.3.1 问题 995.3.2 解决方案 995.3.3 讨论 1025.3.4 练习 1035.4 步骤记忆化模式：通过使用缓存跳过重复冗余的步骤 1035.4.1 问题 1055.4.2 解决方案 1055.4.3 讨论 1075.4.4 练习 1085.5 习题答案 1085.6 本章小结 109第6章 运维模式 1116.1 机器学习系统中运维的基本概念 1126.2 调度模式：在共享集群中有效分配资源 1136.2.1 问题 1146.2.2 解决方案 1156.2.3 讨论 1216.2.4 练习 1226.3 元数据模式：合理处理故障，化对用户的负面影响 1226.3.1 问题 1236.3.2 解决方案 1246.3.3 讨论 1286.3.4 练习 1296.4 习题答案 1296.5 本章小结 129第III部分 构建分布式机器学习工作流第7章 项目概述及系统架构 1337.1 项目概况 1347.1.1 项目背景 1347.1.2 系统组件 1357.2 数据摄取 1357.2.1 问题 1377.2.2 解决方案 1377.2.3 练习 1397.3 模型训练 1407.3.1 问题 1407.3.2 解决方案 1407.3.3 练习 1427.4 模型服务 1427.4.1 问题 1437.4.2 解决方案 1437.4.3 练习 1457.5 端到端工作流 1457.5.1 存在的问题 1457.5.2 解决方案 1467.5.3 练习 1487.6 习题答案 1487.7 本章小结 149第8章 相关技术概述 1518.1 TensorFlow：机器学习框架 1518.1.1 基础知识 1528.1.2 练习 1588.2 Kubernetes：分布式容器编排系588.2.1 基础知识 1598.2.2 练习 1658.3 Kubeflow：在Kubernetes上运行机器学习工作负载 1658.3.1 基础知识 1688.3.2 练习 1728.4 Argo Workflows：容器原生工作流引擎 1738.4.1 基础知识 1748.4.2 练习 1828.5 习题答案 1828.6 本章小结 183第9章 完整实现 1859.1 数据摄取 1859.1.1 单节点数据流水线 1879.1.2 分布式数据流水线 1889.2 模型训练 1899.2.1 模型定义和单节点训练 1909.2.2 分布式模型训练 1939.2.3 模型选择 1989.3 模型服务 2009.3.1 单服务器模型推理 2009.3.2 副本模型服务器 2059.4 端到端工作流 2089.4.1 顺序步骤 2089.4.2 步骤记忆化 2139.5 本章小结 216
作者介绍
唐源是 Akuity 的创始工程师，致力于为开发者构建企业级平台。他曾带领阿里巴巴和 Uptake 公司的数据科学与工程团队，专注于构建 AI 基础设施和AutoML平台。他是Argo和Kubeflow项目的负责人、TensorFlow和XGBoost 的维护者以及众多开源项目的作者。此外，他还撰写了三本有关机器学习的书籍以及多篇有影响力的论文。他经常在不同的技术会议上发言，并在多个公司和开源组织担任技术顾问、团队领导和导师。
序言
-
【封面】
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价