幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

Kubeflow(雲計算和機器學習的橋樑)

  • 作者：編者:何金池//李峰//劉光亞//劉侯剛|責編:張春雨
  • 出版社：電子工業
  • ISBN：9787121392771
  • 出版日期：2020/08/01
  • 裝幀：平裝
  • 頁數：238
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    當前的IT界有兩大高速列車，一是以「Kubernetes」為標桿技術的雲計算，二是以「Tensorflow和PyTorch」等為代表的機器學習。如何使二者結合起來，成為近期IT界討論的熱點。Kubeflow的橫空出世，有效的連接起了Kubernetes和各個機器學習的框架，提供了機器學習在Kubernetes上的端到端的解決方案。
    本書講解Kubeflow以及其社區的技術棧，包括機器學習的流程編排技術Pipelines、並行模型訓練技術TFJob和PyTorchJob等、超參調優技術Katib、服務發布KFServing，機器學習的Python SDK Fairing等，涉及到機器學習的各個方面。本書結合理論和實戰，詳細闡述了Kubeflow社區的新技術和新方案。最後，展望了Kubeflow的前景和AI Hub的發展趨勢。
    本書主要面向雲計算和機器學習領域的研發人員和維護工程師，也適合用於雲計算和機器學習相關的培訓和學習。
作者介紹
編者:何金池//李峰//劉光亞//劉侯剛|責編:張春雨
目錄
第1篇  IT兩大「高速列車」：雲計算和機器學習
  第1章  雲計算和KUBERNETES
    1.1  雲計算
      1.1.1  雲計算的歷史和發展
      1.1.2  為什麼雲計算會「飄」起來
    1.2  虛擬化使雲計算輕鬆落地
      1.2.1  虛擬化為雲計算「鋪上了輕軌」
      1.2.2  Docker的「燎原之火」
      1.2.3  Docker的hello-world應用
    1.3  KUBERNETES——雲計算的新標桿
      1.3.1  Kubernetes的橫空出世
      1.3.2  Kubernetes的基本概念和架構
      1.3.3  Kubernetes集群的部署
      1.3.4  Kubernetes的「Hello World」應用
  第2章  機器學習
    2.1  人工智慧的第三次「衝擊波」
    2.2  機器學習在生活中的應用
    2.3  機器學習的主流框架
      2.3.1  TensorFlow
      2.3.2  PyTorch
      2.3.3  scikit-learn
      2.3.4  XGBoost
      2.3.5  ONNX
    2.4  機器學習的「HELLO WORLD」
      2.4.1  MNIST數據集
      2.4.2  MNIST模型訓練
第2篇  KUBEFLOW：連接雲計算和機器學習的「橋樑」
  第3章  KUBEFLOW概述
    3.1  KUBEFLOW是什麼
    3.2  KUBEFLOW的發展
    3.3  KUBEFLOW的核心組件
  第4章  KUBEFLOW的部署與應用
    4.1  KUBEFLOW的安裝與部署
      4.1.1  Kubeflow的部署工具Kfctl
      4.1.2  Kubeflow Manifests與kustomize
      4.1.3  Kubeflow與Kubernetes版本的兼容性
      4.1.4  Kubeflow的安裝過程
      4.1.5  安裝后檢查
    4.2  KUBEFLOW的用戶故事
    4.3  KUBEFLOW端到端的用戶案例
    4.4  KUBEFLOW對IBM POWER平台的支持
  第5章  KUBEFLOW PIPELINES流水線式機器學習
    5.1  KUBEFLOW PIPELINES是什麼
    5.2  KUBEFLOW PIPELINES的基本概念
    5.3  KUBEFLOW PIPELINES的架構
    5.4  PIPELINES SDK
      5.4.1  安裝Pipelines SDK
      5.4.2  Pipelines SDK代碼分析
    5.5  動手構建自己的PIPELINES
    5.6  KUBEFLOW PIPELINES的實際應用

  第6章  KUBEFLOW OPERATOR自定義資源
    6.1  KUBERNETES CRD簡述
    6.2  TENSORFLOW OPERATOR
      6.2.1  TFJob的前世今生
      6.2.2  TFJob CRD
      6.2.3  故障定位
      6.2.4  TFJob Python SDK
      6.2.5  TFJob的應用實例
    6.3  PYTORCH OPERATOR
      6.3.1  PyTorchJob簡介
      6.3.2  PyTorchJob的實際應用
    6.4  其他OPERATOR
      6.4.1  XGBoost Operator
      6.4.2  Caffe2 Operator
      6.4.3  MPI Operator
      6.4.4  MXNet Operator
      6.4.5  Chainer Operator
  第7章  KUBEFLOW KATIB超參調優
    7.1  機器學習中的超參調優
    7.2  什麼是KATIB
    7.3  KATIB的安裝方法
    7.4  KATIB的架構
    7.5  KATIB的業務流程
    7.6  使用KATIB進行一次超參調優
  第8章  KFSERVING解決機器學習「最後一公里」的問題
    8.1  KFSERVING是什麼
    8.2  ISTIO簡介
      8.2.1  Service Mesh的概念
      8.2.2  Istio的架構
      8.2.3  Istio的安裝方法
    8.3  KNATIVE簡介
      8.3.1  Knative的架構
      8.3.2  Knative Serving
      8.3.3  Knative Serving的安裝方法
    8.4  KFSERVING的架構分析
      8.4.1  KFServing的架構
      8.4.2  KFServing Data Plane
      8.4.3  KFServing Control Plane
    8.5  KFSERVING PYTHON SDK
      8.5.1  KFServing Python SDK的安裝方法
      8.5.2  KFServing Python SDK Client支持的API
      8.5.3  KFServing Python SDK的應用
    8.6  KFSERVING的應用實例
      8.6.1  使用PVC訓練模型併發布服務
      8.6.2  InferenceService Transformer的應用
  第9章  KUBEFLOW FAIRING帶機器學習「飛」
    9.1  KUBEFLOW FAIRING是什麼
    9.2  KUBEFLOW FAIRING的安裝方法
      9.2.1  本地安裝
      9.2.2  在Kubeflow Jupyter Notebook中更新Kubeflow Fairing SDK

    9.3  KUBEFLOW FAIRING的架構分析
    9.4  KUBEFLOW FAIRING的源碼分析
      9.4.1  Kubeflow Fairing的入口程序文件Config.py
      9.4.2  Kubeflow Fairing Preprocessor
      9.4.3  Kubeflow Fairing Builder
      9.4.4  Kubeflow Fairing Deployer
      9.4.5  Kubeflow Fairing支持的High Level API
    9.5  KUBEFLOW FAIRING的應用實例
  第10章  KUBEFLOW METADATA
    10.1  KUBEFLOW METADATA簡述
    10.2  KUBEFLOW METADATA的架構與設計
    10.3  METADATA支持的元數據和數據表
    10.4  KUBEFLOW METADATA實戰
      10.4.1  安裝Kubeflow Metadata組件
      10.4.2  Kubeflow Metadata的應用實例
      10.4.3  Metadata的展示
  第11章  KUBEBENCH機器學習哪家強
    11.1  先從BENCHMARK說起
    11.2  KUBEBENCH的安裝方法
    11.3  KUBEBENCH的架構
    11.4  KUBEBENCH的實踐
  第12章  KUBEFLOW中的JUPYTER NOTEBOOK HUB
    12.1  JUPYTER NOTEBOOK簡述
    12.2  JUPYTER NOTEBOOK的架構及其運行
第3篇  KUBEFLOW的應用和展望
  第13章  KUBEFLOW的應用實戰
    13.1  在雲平台上進行機器學習
    13.2  基於KUBEFLOW的SEQ2SEQ機器學習案例
      13.2.1  Seq2Seq模型簡介
      13.2.2  在Kubeflow平台上運行Seq2Seq案例
  第14章  KUBEFLOW前景展望和AI HUB
      14.1  KUBEFLOW 1.0  的功能和計劃
    14.2  基於KUBEFLOW的AI HUB新模式
    14.3  智能雲中的AIAAS（AI服務）

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032