深度学习扩展之道:软硬件与数据协同构建可扩展大模型系统 封面

深度学习扩展之道:软硬件与数据协同构建可扩展大模型系统

分类
人工智能
作者
阅读量
5 次
上架
资源
在线阅读
8.2 读者评分 / 10
★★★★☆ 5 人评分 · 5 次阅读
鸠摩网盘查找 Z-Library 查找

快速回答

《深度学习扩展之道:软硬件与数据协同构建可扩展大模型系统》([澳]苏妮塔·马尔) 本书聚焦大规模深度学习的实现与扩展,围绕软件、硬件与数据的融合展开,构建了从基础到进阶的完整知识体系。全书共13章,分为三大部分:第一部分 “深度学习基础” 讲解深度学习数据流、计算图、硬件架构等核心概念,通过Python和PyTorch动手练习帮助读者理解模型开发与性能分析;第二部分 “分布式训练” 深入分布式系统通信、数据并行、模型并行等关键技术,提供多场景动手实践;第三部分 “极限扩展” 探讨以数据为中心的扩展、实验管理、大模型微调与基础模型开发,覆盖LoRA微调、数据质量优化等前沿内容。整体以“理论+实践

作品简介

本书聚焦大规模深度学习的实现与扩展,围绕软件、硬件与数据的融合展开,构建了从基础到进阶的完整知识体系。全书共13章,分为三大部分:第一部分 “深度学习基础” 讲解深度学习数据流、计算图、硬件架构等核心概念,通过Python和PyTorch动手练习帮助读者理解模型开发与性能分析;第二部分 “分布式训练” 深入分布式系统通信、数据并行、模型并行等关键技术,提供多场景动手实践;第三部分 “极限扩展” 探讨以数据为中心的扩展、实验管理、大模型微调与基础模型开发,覆盖LoRA微调、数据质量优化等前沿内容。整体以“理论+实践”为核心,配套GitHub代码仓库,助力读者掌握高效扩展深度学习项目的技术与方法。

内容简介

本书聚焦大规模深度学习的实现与扩展,围绕软件、硬件与数据的融合展开,构建了从基础到进阶的完整知识体系。全书共13章,分为三大部分:第一部分 “深度学习基础” 讲解深度学习数据流、计算图、硬件架构等核心概念,通过Python和PyTorch动手练习帮助读者理解模型开发与性能分析;第二部分 “分布式训练” 深入分布式系统通信、数据并行、模型并行等关键技术,提供多场景动手实践;第三部分 “极限扩展” 探讨以数据为中心的扩展、实验管理、大模型微调与基础模型开发,覆盖LoRA微调、数据质量优化等前沿内容。整体以“理论+实践”为核心,配套GitHub代码仓库,助力读者掌握高效扩展深度学习项目的技术与方法。

书评 0

暂无书评,登录后可写下第一条阅读感受。