Descripción
Cree e implemente una eficiente tubería de procesamiento de datos para el entrenamiento de modelos de aprendizaje automático en un clúster o nube elásticos, de entrenamiento de modelos en paralelo o multi-inquilino
Características principales:
- Acelere el entrenamiento y la inferencia del modelo con una reducción de tiempo de un orden de magnitud
- Aprenda esquemas paralelos de última generación tanto para el entrenamiento como para el servicio de modelos
- Un estudio detallado de los cuellos de botella en las etapas distribuidas de entrenamiento y servicio de modelos
Descripción del libro:
La reducción del costo de tiempo en el aprendizaje automático conduce a un tiempo de espera más corto para el entrenamiento del modelo y un ciclo de actualización del modelo más rápido. El aprendizaje automático distribuido permite a los profesionales del aprendizaje automático acortar el tiempo de entrenamiento e inferencia del modelo en órdenes de magnitud. Con la ayuda de esta guía práctica, podrá poner sus conocimientos de desarrollo de Python a trabajar para implementar rápidamente el aprendizaje automático distribuido, incluidos los sistemas de aprendizaje automático de múltiples nodos. Comenzará explorando cómo funcionan los sistemas distribuidos en el área del aprendizaje automático y cómo se aplica el aprendizaje automático distribuido a los modelos de aprendizaje profundo de última generación. A medida que avance, verá cómo usar sistemas distribuidos para mejorar la velocidad de entrenamiento y servicio de modelos de aprendizaje automático. También aprenderá a aplicar enfoques de paralelismo de datos y de modelos antes de optimizar la canalización de entrenamiento y servicio de modelos en paralelo en clústeres locales o entornos de nube. Al final de este libro, habrá adquirido los conocimientos y habilidades necesarios para construir e implementar una canalización de procesamiento de datos eficiente para el entrenamiento e inferencia de modelos de aprendizaje automático de manera distribuida.
Lo que aprenderá:
- Implementar tuberías distribuidas de entrenamiento y servicio de modelos
- Familiarizarse con las características avanzadas de TensorFlow y PyTorch
- Mitigar los cuellos de botella del sistema durante el entrenamiento y servicio de modelos en paralelo
- Descubrir las últimas técnicas sobre el paradigma del paralelismo clásico
- Explorar características avanzadas en Megatron-LM y Mesh-TensorFlow
- Utilizar hardware de última generación como NVLink, NVSwitch y GPUs
A quién va dirigido este libro:
Este libro está dirigido a científicos de datos, ingenieros de aprendizaje automático y profesionales de ML tanto en el ámbito académico como en la industria. Se asume una comprensión fundamental de los conceptos de aprendizaje automático y un conocimiento práctico de la programación en Python. Será beneficiosa la experiencia previa en la implementación de modelos ML/DL con TensorFlow o PyTorch. Encontrará este libro útil si está interesado en utilizar sistemas distribuidos para aumentar la velocidad de entrenamiento y servicio de modelos de aprendizaje automático.
Autor: Guanhua Wang
Editorial: Packt Publishing
Publicado: 13/05/2022
Páginas: 284
Tipo de encuadernación: Tapa blanda
Peso: 1.08 libras
Tamaño: 9.25h x 7.50w x 0.60d
ISBN13: 9781801815697
ISBN10: 1801815690
Categorías BISAC:
- Informática | Inteligencia Artificial | Procesamiento del Lenguaje Natural
- Informática | Ciencia de Datos | Modelado y Diseño de Datos
- Informática | Ciencia de Datos | Almacenamiento de Datos
Este título no es retornable