در حال حاضر محصولی در سبد خرید شما وجود ندارد.
در این دوره آموزشی با مدل های PyTorch آشنا شده و فرایند راه اندازی یا همان Deploy آن ها را بخوبی یاد می گیرید.
عنوان اصلی : Deploying PyTorch Models in Production: PyTorch Playbook
بررسی اجمالی دوره
نمای کلی ماژول
پیش نیازها و رئوس مطالب دوره
ذخیره و بارگیری مدل های PyTorch
ساخت و آموزش یک مدل طبقه بندی کننده
ذخیره و بارگذاری مدل ها با استفاده از ()torch.save
ذخیره مدل با استفاده از state_dict
ذخیره و بارگیری نقاط بازرسی
معرفی ONNX
صادرات یک مدل به ONNX و بارگیری در Caffe2
خلاصه ماژول
نمای کلی ماژول
گزینه های آموزشی توزیع شده در PyTorch
آموزش با استفاده از فرآیندهای متعدد
راه اندازی یک VM یادگیری عمیق با چندین پردازنده گرافیکی
آموزش چند پردازنده گرافیکی
خلاصه ماژول
نمای کلی ماژول
آموزش توزیع شده در ابر
راه اندازی یک نمونه نوت بوک SageMaker
راه اندازی بارگذارهای داده آموزشی و آزمایشی
تابع آموزش را تعریف کنید
توابع برای تست و ذخیره مدل آموزش دیده
اجرای آموزش توزیع شده با استفاده از برآوردگر PyTorch
خلاصه ماژول
نمای کلی ماژول
کاوش گزینهها برای استقرار مدلهای PyTorch
نصب کتابخانه ها و آپلود پارامترهای مدل در یک سطل GCP
ایجاد یک برنامه Flask برای ارائه مدل PyTorch
استفاده از مدل برای پیش بینی
نصب Docker
ایجاد و استفاده از Clipper Cluster برای پیش بینی
استقرار یک مدل برای پیش بینی در محیط بدون سرور
خلاصه و مطالعه بیشتر
Deploying PyTorch Models in Production: PyTorch Playbook
در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.
Distributed Databases with Apache Ignite
Troubleshooting and Debugging Kafka
یادگیری ماشینی برای خدمات مالی
AI Text Summarization with Hugging Face
Kubernetes: زیرساخت به عنوان کد با Pulumi
Natural Language Generation with Python
آموزش کار با Tensorflow 2.0
Building Image Processing Applications Using scikit-image
آموزش ساخت و کار با مدل های Deep Learning بوسیله Apache MXNet
آموزش ساخت چارت و مصور سازی داده ها بوسیله Qlik Sense
✨ تا ۷۰% تخفیف با شارژ کیف پول 🎁
مشاهده پلن ها