Deep Learning In Production下载 - Deep Learning In Production源代码下载

Deep Learning In Production

其他源码

1.0.0

下载

生产书中的深度学习

您可以知道从这里获取一本书的副本：

亚马逊：平装本和Kindle
LeanPub ：Epub和PDF

建立，训练，部署，扩展和维护深度学习模型。使用动手实例了解ML基础架构和MLOP。

你会学到什么？

编写深度学习代码的最佳实践
如何单位测试和调试机器学习代码
如何构建和部署有效的数据管道
如何服务深度学习模型
如何部署和扩展您的应用程序
什么是MLOP，以及如何构建端到端管道

这本书是谁？

从深度学习开始的软件工程师
机器学习研究人员有限的软件工程背景
试图增强知识的机器学习工程师
想要生产模型并建立面向客户应用程序的数据科学家

您将使用哪些工具？

Tensorflow，烧瓶，UWSGI，NGINX，DOCKER，KUBERNETES，TENSORFLOW扩展，Google Cloud，Vertex AI

书籍描述

在过去的几年中，深度学习研究正在迅速发展。框架和图书馆经常被开发和更新。但是，我们仍然缺乏有关如何服务，部署和扩展深度学习模型的标准化解决方案。深度学习基础设施还不是很成熟。

本书累积了一系列最佳实践和方法，以构建可靠和可扩展的机器学习应用程序。它涵盖了从数据处理和培训到部署和维护的整个生命周期。它将帮助您了解如何将软件社区中普遍接受和应用的方法转移到深度学习项目中。

对于具有最小软件背景的研究人员，机器学习经验很少的软件工程师或有抱负的机器学习工程师，这是一个绝佳的选择。

文章

这些书籍基于我们博客“ AI Summer”中发表的文章系列，后来合并为单一资源。有些是从头开始重写的。有些经过修改以适合本书的结构。另外，我们添加了全新的材料！

笔记本电脑设置和系统设计：https：//theaisummer.com/deep-learning-production/
编写深度学习代码的最佳实践：项目结构，oop，类型检查和文档：https：//theaisummer.com/best-practices-deep-leearning-code/
如何进行单元测试深度学习：tensorflow，模拟和测试覆盖范围：https：//theaisummer.com/unit-test-deep-learning/
机器学习中的记录和调试：https：//theaisummer.com/logging-debugging/
深度学习的数据预处理：https：//theaisummer.com/data-preprocessing/
深度学习的数据预处理（PART2）：https：//theaisummer.com/data-processing-optimization/
如何从划痕中构建tensorflow的自定义生产深度学习训练循环：https：//theaisummer.com/tensorflow-training-loop/
如何在云中训练深度学习模型：https：//theaisummer.com/training-cloud/
分布式深度学习培训：TensorFlow中的模型和数据并行性：https：//theaisummer.com/distributed-training/
使用烧瓶和TensorFlow部署深度学习模型作为Web应用程序：https：//theaisummer.com/deploy-flask-tensorflow/
如何使用UWSGI和NGINX提供深度学习模型：https：//theaisummer.com/uwsgi-nginx/
如何使用Docker容器和Docker撰写用于深度学习应用程序：https：//theaisummer.com/docker/
机器学习中的可伸缩性：增长您的模型以服务数百万用户：https：//theaisummer.com/scalability/
与Google Cloud的Kubernetes简介：轻松部署您的深度学习模型：https：//theaisummer.com/kubernetes/