Ray分散式機器學習-利用Ray進行大模型的數據處理,訓練,推理和部署 9787111753384 馬克斯.普佩拉 愛德
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：機械工業
物品所在地：中國大陸
原出版社：機械工業
NT$630
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202405*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：Ray分散式機器學習-利用Ray進行大模型的數據處理,訓練,推理和部署 ISBN：9787111753384 出版社：機械工業 著編譯者：馬克斯.普佩拉 愛德華.奧克斯 理查德.廖 頁數：237 所在地：中國大陸 *此為代購商品 書號：1639307 可大量預訂，請先連絡。 【台灣高等教育出版社簡體書】 Ray分散式機器學習-利用Ray進行大模型的數據處理,訓練,推理和部署 787111753384 馬克斯.普佩拉 愛德華.奧克斯 理查德.廖 內容簡介 Ray是開源分散式計算框架，簡化了擴展計算密集型Python工作負載的過程。本書展示了如何使用Ray構建機器學習應用程序，介紹了Ray如何融入當前的機器學習工具，以及Ray如何與這些工具緊密集成。本書前3章介紹了Ray作為分散式Python框架的基礎知識，並提供了應用示例；第4-10章介紹了Ray高級庫（Ray RLlib、Ray Tune、Ray Dataset、Ray Train、Ray Serve、Ray Cluster、Ray AIR），並展示如何使用高級庫創建應用程序；第11章對Ray的生態進行了總結，並指導讀者繼續學習。作者簡介 愛德華·奧克斯，Anyscale的軟體工程師和團隊負責人。目錄 序前言 第1章 Ray概述 1 1 Ray是什麼 1 1 1 Ray的淵源 1 1 2 Ray的設計原則 1 1 3 Ray的三層架構：內核、庫、生態 1 2 分散式計算框架 1 3 數據科學庫套件 1 3 1 Ray AIR和數據科學工作流 1 3 2 處理數據 1 3 3 訓練模型 1 3 4 調優超參數 1 3 5 部署模型 1 4 Ray的生態 1 5 總結 第2章 Ray Core入門 2 1 Ray Core簡介 2 1 1 Ray API的第一個示例 2 1 2 Ray Core API概述 2 2 理解Ray的系統組件 2 2 1 在節點上調度和執行任務 2 2 2 主節點 2 2 3 分散式調度和執行 2 3 利用Ray創建簡單的MapReduce示例 2 3 1 映射和打亂文檔數據 2 3 2 利用約簡進行單詞統計 2 4 總結 第3章 創建第一個分散式應用程序 3 1 強化學習入門 3 2 創建簡易的迷宮問題 3 3 創建模擬 3 4 訓練強化學習模型 3 5 創建分散式Ray應用程序 3 6 回顧強化學習術語 3 7 總結 第4章 利用Ray RLlib進行強化學習 4 1 RLlib概述 4 2 RLlib入門 4 2 1 創建Gym環境 4 2 2 運行RLlib CLI 4 2 3 使用RLlib Python API 4 3 配置RLlib實驗 4 3 1 資源配置 4 3 2 配置rollout worker 4 3 3 配置環境 4 4 使用RLlib環境 4 4 1 RLlib環境概述 4 4 2 使用多智能體 4 4 3 使用策略伺服器和客戶端 4 5 高級概念 4 5 1 創建高級環境 4 5 2 應用課程學習 4 5 3 使用離線數據 4 5 4 其他高級主題 4 6 總結 第5章 利用Ray Tune進行超參數調優 5 1 調優超參數 5 1 1 使用Ray創建隨機搜索示例 5 1 2 調優超參數的難點 5 2 Ray Tune入門 5 2 1 Tune的原理 5 2 2 配置和運行Tune 5 3 使用Tune進行機器學習 5 3 1 結合使用RLlib和Tune 5 3 2 調優Keras模型 5 4 總結 第6章 利用Ray進行數據處理 6 1 Ray Dataset 6 1 1 Ray Dataset基礎 6 1 2 利用Ray Dataset進行計算 6 1 3 數據集管道 6 1 4 示例：并行訓練分類器副本 6 2 外部集成庫 6 3 創建ML管道 6 4 總結 第7章 利用Ray Train進行分散式訓練 7 1 分散式模型訓練基礎 7 2 基於示例介紹Ray Train 7 2 1 預測紐約計程車的大額小費 7 2 2 載入、預處理、特徵化 7 2 3 定義深度學習模型 7 2 4 示例：利用Ray Train進行分散式訓練 7 2 5 分散式批量推理 7 3 Ray Train訓練器 7 3 1 遷移到Ray Train 7 3 2 擴展訓練器 7 3 3 利用Ray Train進行預處理 7 3 4 將訓練器和Ray Tune集成 7 3 5 使用回調函數監控訓練 7 4 總結 第8章 利用Ray Serve進行在線推理 8 1 在線推理的主要特點 8 1 1 ML模型屬於計算密集型 8 1 2 ML模型無法獨立使用 8 2 Ray Serve入門 8 2 1 Ray Serve概述 8 2 2 定義基礎HTTP端點 8 2 3 擴展和資源分配 8 2 4 批處理請求 8 2 5 多模型推理圖 8 3 端到端示例：創建基於NLP的API 8 3 1 獲取內容和預處理 8 3 2 NLP模型 8 3 3 HTTP處理和驅動邏輯 8 3 4 整合 8 4 總結 第9章 Ray集群 9 1 手動創建Ray Cluster 9 2 在Kubernetes上進行部署 9 2 1 設置KubeRay集群 9 2 2 與KubeRay集群交互 9 2 3 公開KubeRay 9 2 4 配置KubeRay 9 2 5 配置KubeRay日誌 9 3 使用Ray集群啟動器 9 3 1 配置Ray集群 9 3 2 使用集群啟動器CLI 9 3 3 與Ray Cluster交互 9 4 使用雲集群 9 4 1 AWS 9 4 2 其他雲服務 9 5 自動擴展 9 6 總結 第10章 Ray AIR入門 10 1 為什麼使用AIR 10 2 AIR核心概念 10 2 1 Ray Dataset和預處理器 10 2 2 訓練器 10 2 3 調優器和檢查點 10 2 4 批預測器 10 2 5 部署 10 3 適合AIR的任務 10 3 1 AIR任務執行 10 3 2 AIR內存管理 10 3 3 AIR故障模型 10 3 4 自動擴展AIR任務 10 4 總結 第11章 Ray生態及其他 11 1 蓬勃的生態 11 1 1 數據載入和處理 11 1 2 模型訓練 11 1 3 模型服務 11 1 4 創建自定義集成 11 1 5 Ray集成概述 11 2 Ray和其他系統 11 2 1 分散式Python框架 11 2 2 Ray AIR和更廣泛的ML生態 11 2 3 將AIR集成到ML平台 11 3 繼續學習 11 4 總結 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
