RAY分布式机器学习:利用RAY进行大模型的数据处理、训练、推理和部署

作者：[德]马克斯·普佩拉(Max Pumpe

页数：238

出版社：机械工业出版社

出版日期：2024

ISBN：9787111753384

高清校对版pdf（带目录）

前往页尾底部查看PDF电子书

内容简介

Ray是开源分布式计算框架，简化了扩展计算密集型Python工作负载的过程。本书展示了如何使用Ray构建机器学习应用程序，介绍了Ray如何融入当前的机器学习工具，以及Ray如何与这些工具紧密集成。本书前3章介绍了Ray作为分布式Python框架的基础知识，并提供了应用示例；第4-10章介绍了Ray高级库（Ray RLlib、Ray Tune、Ray Dataset、Ray Train、Ray Serve、Ray Cluster、Ray AIR），并展示如何使用高级库创建应用程序；第11章对Ray的生态进行了总结，并指导读者继续学习。

作者简介

[德]马克斯·普佩拉(Max Pumperla)，是一位现居德国汉堡的数据科学家和软件工程师。作为一名活跃的开源贡献者，他是多个Python包的维护者、机器学习书籍的作者，并多次在 会议上发表演讲。他目前在Anyscale担任软件工程师。在担任Pathmind公司的产品负责人时，他使用Ray RLlib、Serve和Tune开发了用于大规模产业应用的强化学习解决方案。Max曾是Skymind的DL4J核心开发者，他拓展了Keras生态，并且是Hyperopt的维护者。

本书特色

Ray是开源分布式计算框架，简化了扩展计算密集型Python工作负载的过程。通过本书，Python程序员、数据工程师和数据科学家将学会如何在本地利用Ray并启动计算集群。你将能够使用Ray来大规模构建和运行机器学习程序。
三位作者展示了如何使用Ray构建机器学习应用程序。你将了解Ray如何融入当前的机器学习工具，并了解Ray与这些工具紧密集成的方法。分布式计算很难，但Ray让一切困难迎刃而解。
通过学习本书，你将：? 了解如何使用Ray Core构建分布式应用程序。
? 使用Ray Tune进行超参数优化。
? 使用Ray RLlib库进行强化学习。
? 使用Ray Train库管理分布式训练。
? 使用Ray Datasets进行数据处理。
? 了解如何使用Ray Clusters以及如何使用Ray Serve为模型提供服务。
? 使用Ray AIR创建端到端机器学习应用程序。

目录