掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
分布式機器學習模式 版權信息
- ISBN：9787302672265
- 條形碼：9787302672265 ; 978-7-302-67226-5
- 裝幀：線裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
分布式機器學習模式 本書特色
在現代分布式系統上部署機器學習應用時，我們逐漸將關注焦點轉向了可靠性、性能、安全性以及解決這些問題所帶來的運維挑戰。在這本深入指南中，Argo 和 Kubeflow 的項目負責人Yuan Tang分享了將機器學習模型從單機環境遷移到復雜的分布式集群中的模式、示例和所積累的寶貴經驗。
分布式機器學習模式 內容簡介
" 《分布式機器學習模式》將詳細介紹數十種設計和部署分布式機器學習系統的技術。你將使用各種模式解決如下問題：如何進行分布式模型訓練、如何應對突發的系統故障，以及如何部署動態的模型服務。本書為每種模式都配備了實際的案例分析，以及基于 Kubernetes 實現分布式模型訓練和彈性推理的完整項目。 主要內容 ● 數據攝取、分布式訓練、模型服務等概念 ● 使用 Kubeflow 和 Argo 工作流在 Kubernetes 上實現 TensorFlow 的自動化部署 ● 管理和監控大規模機器學習工作負載 "
分布式機器學習模式 目錄
第I部分 基本概念和背景
第1章 了解開發環境 3
1.1 大規模機器學習 4
1.1.1 不斷擴大的規模 4
1.1.2 解決方案 5
1.2 分布式系統 6
1.2.1 分布式系統基本概念 7
1.2.2 復雜性和模式 7
1.3 分布式機器學習系統 8
1.3.1 分布式機器學習系統基本概念 8
1.3.2 類似的模式 9
1.3.3 分布式機器學習系統的應用場景 10
1.3.4 不適合使用分布式機器學習系統的場景 11
1.4 本書涵蓋的內容 11
1.5 本章小結 12
第II部分 分布式機器學習系統模式
第2章 數據攝取模式 17
2.1 數據攝取的基本概念 18
2.2 Fashion-MNIST數據集 19
2.3 批處理模式 22
2.3.1 問題：在內存有限的情況下對 Fashion-MNIST數據集執行耗費資源的操作 22
2.3.2 解決方案 24
2.3.3 討論 26
2.3.4 練習 27
2.4 分片模式：在多臺機器之間分割極大的數據集 28
2.4.1 問題 28
2.4.2 解決方案 29
2.4.3 討論 32
2.4.4 練習 34
2.5 緩存模式 34
2.5.1 問題：重新訪問之前使用過的數據以進行高效的多輪模型訓練 35
2.5.2 解決方案 36
2.5.3 討論 38
2.5.4 練習 39
2.6 習題答案 39
2.7 本章小結 40
第3章 分布式訓練模式 41
3.1 分布式訓練的基本概念 42
3.2 參數服務器模式：800萬樣本的實體標記 43
3.2.1 問題 45
3.2.2 解決方案 45
3.2.3 討論 50
3.2.4 練習 50
3.3 集合通信模式 51
3.3.1 問題：當參數服務器成為瓶頸時提高性能 52
3.3.2 解決方案 52
3.3.3 討論 58
3.3.4 練習 59
3.4 彈性與容錯模式 59
3.4.1 問題：使用有限的計算資源處理訓練時的意外故障 59
3.4.2 解決方案 60
3.4.3 討論 62
3.4.4 練習 63
3.5 習題答案 63
3.6 本章小結 64
第4章 模型服務模式 65
4.1 模型服務的基本概念 66
4.2 副本服務模式：處理不斷增長的服務請求 67
4.2.1 問題 69
4.2.2 解決方案 69
4.2.3 討論 72
4.2.4 練習 72
4.3 分片服務模式 73
4.3.1 問題：處理包含高分辨率視頻的大型模型服務請求 74
4.3.2 解決方案 74
4.3.3 討論 76
4.3.4 練習 77
4.4 事件驅動處理模式 77
4.4.1 問題：基于事件響應模型服務請求 79
4.4.2 解決方案 80
4.4.3 討論 84
4.4.4 練習 85
4.5 習題答案 85
4.6 本章小結 86
第5章 工作流模式 87
5.1 工作流的基本概念 88
5.2 扇入和扇出模式：組成復雜的機器學習工作流 91
5.2.1 問題 92
5.2.2 解決方案 93
5.2.3 討論 97
5.2.4 練習 98
5.3 同步和異步模式：通過并發加速工作流 98
5.3.1 問題 99
5.3.2 解決方案 99
5.3.3 討論 102
5.3.4 練習 103
5.4 步驟記憶化模式：通過使用緩存跳過重復冗余的步驟 103
5.4.1 問題 105
5.4.2 解決方案 105
5.4.3 討論 107
5.4.4 練習 108
5.5 習題答案 108
5.6 本章小結 109
第6章 運維模式 111
6.1 機器學習系統中運維的基本概念 112
6.2 調度模式：在共享集群中有效分配資源 113
6.2.1 問題 114
6.2.2 解決方案 115
6.2.3 討論 121
6.2.4 練習 122
6.3 元數據模式：合理處理故障，*小化對用戶的負面影響 122
6.3.1 問題 123
6.3.2 解決方案 124
6.3.3 討論 128
6.3.4 練習 129
6.4 習題答案 129
6.5 本章小結 129 第III部分 構建分布式機器學習工作流
第7章 項目概述及系統架構 133
7.1 項目概況 134
7.1.1 項目背景 134
7.1.2 系統組件 135
7.2 數據攝取 135
7.2.1 問題 137
7.2.2 解決方案 137
7.2.3 練習 139
7.3 模型訓練 140
7.3.1 問題 140
7.3.2 解決方案 140
7.3.3 練習 142
7.4 模型服務 142
7.4.1 問題 143
7.4.2 解決方案 143
7.4.3 練習 145
7.5 端到端工作流 145
7.5.1 存在的問題 145
7.5.2 解決方案 146
7.5.3 練習 148
7.6 習題答案 148
7.7 本章小結 149
第8章 相關技術概述 151
8.1 TensorFlow：機器學習框架 151
8.1.1 基礎知識 152
8.1.2 練習 158
8.2 Kubernetes：分布式容器編排系統 158
8.2.1 基礎知識 159
8.2.2 練習 165
8.3 Kubeflow：在Kubernetes上運行機器學習工作負載 165
8.3.1 基礎知識 168
8.3.2 練習 172
8.4 Argo Workflows：容器原生工作流引擎 173
8.4.1 基礎知識 174
8.4.2 練習 182
8.5 習題答案 182
8.6 本章小結 183
第9章 完整實現 185
9.1 數據攝取 185
9.1.1 單節點數據流水線 187
9.1.2 分布式數據流水線 188
9.2 模型訓練 189
9.2.1 模型定義和單節點訓練 190
9.2.2 分布式模型訓練 193
9.2.3 模型選擇 198
9.3 模型服務 200
9.3.1 單服務器模型推理 200
9.3.2 副本模型服務器 205
9.4 端到端工作流 208
9.4.1 順序步驟 208
9.4.2 步驟記憶化 213
9.5 本章小結 216
第1章 了解開發環境 3
1.1 大規模機器學習 4
1.1.1 不斷擴大的規模 4
1.1.2 解決方案 5
1.2 分布式系統 6
1.2.1 分布式系統基本概念 7
1.2.2 復雜性和模式 7
1.3 分布式機器學習系統 8
1.3.1 分布式機器學習系統基本概念 8
1.3.2 類似的模式 9
1.3.3 分布式機器學習系統的應用場景 10
1.3.4 不適合使用分布式機器學習系統的場景 11
1.4 本書涵蓋的內容 11
1.5 本章小結 12
第II部分 分布式機器學習系統模式
第2章 數據攝取模式 17
2.1 數據攝取的基本概念 18
2.2 Fashion-MNIST數據集 19
2.3 批處理模式 22
2.3.1 問題：在內存有限的情況下對 Fashion-MNIST數據集執行耗費資源的操作 22
2.3.2 解決方案 24
2.3.3 討論 26
2.3.4 練習 27
2.4 分片模式：在多臺機器之間分割極大的數據集 28
2.4.1 問題 28
2.4.2 解決方案 29
2.4.3 討論 32
2.4.4 練習 34
2.5 緩存模式 34
2.5.1 問題：重新訪問之前使用過的數據以進行高效的多輪模型訓練 35
2.5.2 解決方案 36
2.5.3 討論 38
2.5.4 練習 39
2.6 習題答案 39
2.7 本章小結 40
第3章 分布式訓練模式 41
3.1 分布式訓練的基本概念 42
3.2 參數服務器模式：800萬樣本的實體標記 43
3.2.1 問題 45
3.2.2 解決方案 45
3.2.3 討論 50
3.2.4 練習 50
3.3 集合通信模式 51
3.3.1 問題：當參數服務器成為瓶頸時提高性能 52
3.3.2 解決方案 52
3.3.3 討論 58
3.3.4 練習 59
3.4 彈性與容錯模式 59
3.4.1 問題：使用有限的計算資源處理訓練時的意外故障 59
3.4.2 解決方案 60
3.4.3 討論 62
3.4.4 練習 63
3.5 習題答案 63
3.6 本章小結 64
第4章 模型服務模式 65
4.1 模型服務的基本概念 66
4.2 副本服務模式：處理不斷增長的服務請求 67
4.2.1 問題 69
4.2.2 解決方案 69
4.2.3 討論 72
4.2.4 練習 72
4.3 分片服務模式 73
4.3.1 問題：處理包含高分辨率視頻的大型模型服務請求 74
4.3.2 解決方案 74
4.3.3 討論 76
4.3.4 練習 77
4.4 事件驅動處理模式 77
4.4.1 問題：基于事件響應模型服務請求 79
4.4.2 解決方案 80
4.4.3 討論 84
4.4.4 練習 85
4.5 習題答案 85
4.6 本章小結 86
第5章 工作流模式 87
5.1 工作流的基本概念 88
5.2 扇入和扇出模式：組成復雜的機器學習工作流 91
5.2.1 問題 92
5.2.2 解決方案 93
5.2.3 討論 97
5.2.4 練習 98
5.3 同步和異步模式：通過并發加速工作流 98
5.3.1 問題 99
5.3.2 解決方案 99
5.3.3 討論 102
5.3.4 練習 103
5.4 步驟記憶化模式：通過使用緩存跳過重復冗余的步驟 103
5.4.1 問題 105
5.4.2 解決方案 105
5.4.3 討論 107
5.4.4 練習 108
5.5 習題答案 108
5.6 本章小結 109
第6章 運維模式 111
6.1 機器學習系統中運維的基本概念 112
6.2 調度模式：在共享集群中有效分配資源 113
6.2.1 問題 114
6.2.2 解決方案 115
6.2.3 討論 121
6.2.4 練習 122
6.3 元數據模式：合理處理故障，*小化對用戶的負面影響 122
6.3.1 問題 123
6.3.2 解決方案 124
6.3.3 討論 128
6.3.4 練習 129
6.4 習題答案 129
6.5 本章小結 129 第III部分 構建分布式機器學習工作流
第7章 項目概述及系統架構 133
7.1 項目概況 134
7.1.1 項目背景 134
7.1.2 系統組件 135
7.2 數據攝取 135
7.2.1 問題 137
7.2.2 解決方案 137
7.2.3 練習 139
7.3 模型訓練 140
7.3.1 問題 140
7.3.2 解決方案 140
7.3.3 練習 142
7.4 模型服務 142
7.4.1 問題 143
7.4.2 解決方案 143
7.4.3 練習 145
7.5 端到端工作流 145
7.5.1 存在的問題 145
7.5.2 解決方案 146
7.5.3 練習 148
7.6 習題答案 148
7.7 本章小結 149
第8章 相關技術概述 151
8.1 TensorFlow：機器學習框架 151
8.1.1 基礎知識 152
8.1.2 練習 158
8.2 Kubernetes：分布式容器編排系統 158
8.2.1 基礎知識 159
8.2.2 練習 165
8.3 Kubeflow：在Kubernetes上運行機器學習工作負載 165
8.3.1 基礎知識 168
8.3.2 練習 172
8.4 Argo Workflows：容器原生工作流引擎 173
8.4.1 基礎知識 174
8.4.2 練習 182
8.5 習題答案 182
8.6 本章小結 183
第9章 完整實現 185
9.1 數據攝取 185
9.1.1 單節點數據流水線 187
9.1.2 分布式數據流水線 188
9.2 模型訓練 189
9.2.1 模型定義和單節點訓練 190
9.2.2 分布式模型訓練 193
9.2.3 模型選擇 198
9.3 模型服務 200
9.3.1 單服務器模型推理 200
9.3.2 副本模型服務器 205
9.4 端到端工作流 208
9.4.1 順序步驟 208
9.4.2 步驟記憶化 213
9.5 本章小結 216
展開全部
分布式機器學習模式 作者簡介
唐源是 Akuity 的創始工程師，致力于為開發者構建企業級平臺。他曾帶領阿里巴巴和 Uptake 公司的數據科學與工程團隊，專注于構建 AI 基礎設施和AutoML平臺。他是Argo和Kubeflow項目的負責人、TensorFlow和XGBoost 的維護者以及眾多開源項目的作者。此外，他還撰寫了三本有關機器學習的書籍以及多篇有影響力的論文。他經常在不同的技術會議上發言，并在多個公司和開源組織擔任技術顧問、團隊領導和導師。
書友推薦
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
小考拉的故事-套裝共3冊
- >
煙與鏡
- >
莉莉和章魚
- >
李白與唐代文化
- >
經典常談
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
名家帶你讀魯迅:故事新編
本類暢銷
