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.
مدیریت داده های Batch بوسیله Apache Spark بر روی Databricks
آموزش مدل سازی داده های استریمینگ بوسیله Apache Beam
Learning Apache Airflow
آموزش ساخت مدل های رگرسیون بوسیله scikit-learn
Building Your First scikit-learn Solution
مفاهیم کلیدی یادگیری ماشینی
کورس آماده سازی داده ها برای Machine Learning
آموزش آماده کردن داده ها برای مهندسی آینده و یادگیری ماشینی
Implementing Machine Learning Workflow with Weka
آموزش Scrape صفحات وب به زبان Python