人工智能云平台：原理、设计与应用

13.5 小结

13.4 OpenPAI代码导读

13.3 集群运维

13.2 平台架构

13.1 直观感受

第13章 OpenPAI实践

参考文献

12.6 小结

12.5 Katib

12.4 Kubeflow-operator

12.3 JupyterHub

12.2 Kubeflow部署

12.1 什么是Kubeflow?

第12章 Kubeflow实践

参考文献

11.4 小结

11.3 DIGITS源码解析

11.2 DIGITS示例

11.1 DIGITS配置

第11章 DIGITS实践

参考文献

10.6 小结

10.5 TensorBoard

10.4 code-server

10.3 Visual Studio Code

10.2 PyCharm

10.1 Jupyter Notebook

第10章 可视化开发环境

参考文献

9.4 小结

9.3 基于Seldon Core的模型部署

9.2 基于TensorFlow构建方案

9.1 模型构建流程

第9章 模型构建与发布

参考文献

8.7 小结

8.6 搜索优化和评估

8.5 神经架构搜索

8.4 优化算法选择

8.3 模型选择

8.2 特征工程

8.1 AutoML概述

第8章 自动机器学习

参考文献

7.4 小结

7.3 深度学习中的并行

7.2 并行编程工具

7.1 并行训练概述

第7章 分布式并行训练

参考文献

6.9 小结

6.8 其他

6.7 PyTorch

6.6 TensorFlow

6.5 XGBoost

6.4 Spark MLlib和Spark ML

6.3 Pandas

6.2 scikit-learn

6.1 SciPy

第6章 机器学习框架

参考文献

5.6 小结

5.5 告警系统之AlertManager

5.4 数据可视化之Grafana

5.3 数据格式与编程——Prometheus查询语言

5.2 数据采集之Exporter

5.1 Prometheus概述

第5章 运维监控系统

参考文献

4.6 小结

4.5 基于Kubernetes的调度系统实现

4.4 基于YARN的调度系统实现

4.3 任务调度系统架构简介

4.2 Docker简介

4.1 概述

第4章 资源管理与调度

参考文献

3.5 小结

3.4 数据集管理

3.3 活跃于超算领域的Lustre

3.2 古老而有活力的NFS

3.1 基本概念

第3章 共享存储与数据管理

参考文献

2.5 小结

2.4 企业自有智能平台

2.3 亚马逊 SageMaker平台

2.2 微软Azure机器学习平台

2.1 谷歌AI云平台

第2章 人工智能云平台案例概览

参考文献

1.6 小结

1.5 人工智能云平台的主要环节与基本组成

1.4 智能框架与人工智能云平台

1.3 云计算与人工智能云平台

1.2 人工智能云平台

1.1 人工智能发展

第1章 人工智能云平台简介

引言

内容提要

版权信息

封面

封面

版权信息

内容提要

引言

第1章 人工智能云平台简介

1.1 人工智能发展

1.2 人工智能云平台

1.3 云计算与人工智能云平台

1.4 智能框架与人工智能云平台

1.5 人工智能云平台的主要环节与基本组成

1.6 小结

参考文献

第2章 人工智能云平台案例概览

2.1 谷歌AI云平台

2.2 微软Azure机器学习平台

2.3 亚马逊 SageMaker平台

2.4 企业自有智能平台

2.5 小结

参考文献

第3章 共享存储与数据管理

3.1 基本概念

3.2 古老而有活力的NFS

3.3 活跃于超算领域的Lustre

3.4 数据集管理

3.5 小结

参考文献

第4章 资源管理与调度

4.1 概述

4.2 Docker简介

4.3 任务调度系统架构简介

4.4 基于YARN的调度系统实现

4.5 基于Kubernetes的调度系统实现

4.6 小结

参考文献

第5章 运维监控系统

5.1 Prometheus概述

5.2 数据采集之Exporter

5.3 数据格式与编程——Prometheus查询语言

5.4 数据可视化之Grafana

5.5 告警系统之AlertManager

5.6 小结

参考文献

第6章 机器学习框架

6.1 SciPy

6.2 scikit-learn

6.3 Pandas

6.4 Spark MLlib和Spark ML

6.5 XGBoost

6.6 TensorFlow

6.7 PyTorch

6.8 其他

6.9 小结

参考文献

第7章 分布式并行训练

7.1 并行训练概述

7.2 并行编程工具

7.3 深度学习中的并行

7.4 小结

参考文献

第8章 自动机器学习

8.1 AutoML概述

8.2 特征工程

8.3 模型选择

8.4 优化算法选择

8.5 神经架构搜索

8.6 搜索优化和评估

8.7 小结

参考文献

第9章 模型构建与发布

9.1 模型构建流程

9.2 基于TensorFlow构建方案

9.3 基于Seldon Core的模型部署

9.4 小结

参考文献

第10章 可视化开发环境

10.1 Jupyter Notebook

10.2 PyCharm

10.3 Visual Studio Code

10.4 code-server

10.5 TensorBoard

10.6 小结

参考文献

第11章 DIGITS实践

11.1 DIGITS配置

11.2 DIGITS示例

11.3 DIGITS源码解析

11.4 小结

参考文献

第12章 Kubeflow实践

12.1 什么是Kubeflow?

12.2 Kubeflow部署

12.3 JupyterHub

12.4 Kubeflow-operator

12.5 Katib

12.6 小结

参考文献

第13章 OpenPAI实践

13.1 直观感受

13.2 平台架构

13.3 集群运维

13.4 OpenPAI代码导读

13.5 小结