Deep Learning In Production下載 - Deep Learning In Production源代碼下載

Deep Learning In Production

其他源碼

1.0.0

下載

生產書中的深度學習

您可以知道從這裡獲取一本書的副本：

亞馬遜：平裝本和Kindle
LeanPub ：Epub和PDF

建立，訓練，部署，擴展和維護深度學習模型。使用動手實例了解ML基礎架構和MLOP。

你會學到什麼？

編寫深度學習代碼的最佳實踐
如何單位測試和調試機器學習代碼
如何構建和部署有效的數據管道
如何服務深度學習模型
如何部署和擴展您的應用程序
什麼是MLOP，以及如何構建端到端管道

這本書是誰？

從深度學習開始的軟件工程師
機器學習研究人員有限的軟件工程背景
試圖增強知識的機器學習工程師
想要生產模型並建立面向客戶應用程序的數據科學家

您將使用哪些工具？

Tensorflow，燒瓶，UWSGI，NGINX，DOCKER，KUBERNETES，TENSORFLOW擴展，Google Cloud，Vertex AI

書籍描述

在過去的幾年中，深度學習研究正在迅速發展。框架和圖書館經常被開發和更新。但是，我們仍然缺乏有關如何服務，部署和擴展深度學習模型的標準化解決方案。深度學習基礎設施還不是很成熟。

本書累積了一系列最佳實踐和方法，以構建可靠和可擴展的機器學習應用程序。它涵蓋了從數據處理和培訓到部署和維護的整個生命週期。它將幫助您了解如何將軟件社區中普遍接受和應用的方法轉移到深度學習項目中。

對於具有最小軟件背景的研究人員，機器學習經驗很少的軟件工程師或有抱負的機器學習工程師，這是一個絕佳的選擇。

文章

這些書籍基於我們博客“ AI Summer”中發表的文章系列，後來合併為單一資源。有些是從頭開始重寫的。有些經過修改以適合本書的結構。另外，我們添加了全新的材料！

筆記本電腦設置和系統設計：https：//theaisummer.com/deep-learning-production/
編寫深度學習代碼的最佳實踐：項目結構，oop，類型檢查和文檔：https：//theaisummer.com/best-practices-deep-leearning-code/
如何進行單元測試深度學習：tensorflow，模擬和測試覆蓋範圍：https：//theaisummer.com/unit-test-deep-learning/
機器學習中的記錄和調試：https：//theaisummer.com/logging-debugging/
深度學習的數據預處理：https：//theaisummer.com/data-preprocessing/
深度學習的數據預處理（PART2）：https：//theaisummer.com/data-processing-optimization/
如何從划痕中構建tensorflow的自定義生產深度學習訓練循環：https：//theaisummer.com/tensorflow-training-loop/
如何在雲中訓練深度學習模型：https：//theaisummer.com/training-cloud/
分佈式深度學習培訓：TensorFlow中的模型和數據並行性：https：//theaisummer.com/distributed-training/
使用燒瓶和TensorFlow部署深度學習模型作為Web應用程序：https：//theaisummer.com/deploy-flask-tensorflow/
如何使用UWSGI和NGINX提供深度學習模型：https：//theaisummer.com/uwsgi-nginx/
如何使用Docker容器和Docker撰寫用於深度學習應用程序：https：//theaisummer.com/docker/
機器學習中的可伸縮性：增長您的模型以服務數百萬用戶：https：//theaisummer.com/scalability/
與Google Cloud的Kubernetes簡介：輕鬆部署您的深度學習模型：https：//theaisummer.com/kubernetes/