دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: KC Tung
سری:
ISBN (شابک) : 9781800209145
ناشر: Packt Publishing
سال نشر: 2020
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 10 مگابایت
در صورت تبدیل فایل کتاب Learn TensorFlow Enterprise به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب TensorFlow Enterprise را یاد بگیرید نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
از TensorFlow Enterprise با سایر خدمات GCP برای بهبود سرعت و کارایی خطوط لوله یادگیری ماشین برای استقرار قابل اعتماد و پایدار در سطح سازمانی استفاده کنید ویژگیهای کلیدی ساخت برنامههای یادگیری ماشینی مبتنی بر ابر مقیاسپذیر، بدون درز و آماده برای سازمانی با استفاده از TensorFlow Enterprise نحوه تسریع چرخه عمر توسعه یادگیری ماشینی با استفاده از سرویسهای درجه یک سازمانی خدمات ابری Google را مدیریت کنید تا مدلهای هوش مصنوعی در تولید را مقیاسبندی و بهینهسازی کنید. این کتاب مبتدی از مثالهای عملی استفاده میکند تا شما را قادر میسازد تا با استفاده از تنظیمات بهینه، مدلهای TensorFlow را بسازید و اجرا کنید که پشتیبانی طولانیمدت را تضمین میکند، بدون اینکه نگران از بین رفتن کتابخانه یا عقب ماندن در مورد رفع اشکال یا راهحلها باشید. این کتاب با نشان دادن نحوه اصلاح پروژه TensorFlow و تنظیم آن برای استقرار در سطح سازمانی آغاز می شود. سپس یاد خواهید گرفت که چگونه نسخه ای از TensorFlow را انتخاب کنید. همانطور که پیش می روید، با پیروی از روش های توصیه شده موجود در TensorFlow Enterprise، نحوه ساخت و استقرار مدل ها را در یک محیط قوی و پایدار خواهید یافت. این کتاب همچنین به شما می آموزد که چگونه خدمات خود را بهتر مدیریت کنید و عملکرد و قابلیت اطمینان برنامه های هوش مصنوعی (AI) خود را افزایش دهید. خواهید فهمید که چگونه می توانید از خدمات مختلف آماده سازمانی برای تسریع گردش کار ML و AI خود در Google Cloud Platform (GCP) استفاده کنید. در نهایت، مدلهای ML خود را مقیاسبندی میکنید و بارهای کاری سنگین را در بین CPU، GPU و Cloud TPU مدیریت خواهید کرد. در پایان این کتاب TensorFlow، الگوهای مورد نیاز برای توسعه مدل سازمانی TensorFlow، خطوط لوله داده، آموزش و استقرار را یاد خواهید گرفت. آنچه خواهید آموخت کشف کنید که چگونه یک نمونه و محیط ابری GCP TensorFlow Enterprise راه اندازی کنید داده های خام را که می تواند توسط فرآیند آموزش مدل TensorFlow مصرف شود مدیریت و قالب بندی کنید. تنظیم فراپارامتر برای مقیاسبندی و بهبود آزمایشهای آموزشی مدل خود مقیاسسازی فرآیند آموزش با استفاده از خوشههای GPU و TPU برای بهبود کارایی مدل، جدیدترین تکنیکهای بهینهسازی مدل و متدولوژیهای استقرار را برای بهبود کارایی مدل اتخاذ کنید. این کتاب برای دانشمندان داده، توسعهدهندگان یادگیری ماشین یا مهندسان و متخصصان ابری که می خواهند خدمات و ویژگی های مختلف ارائه شده توسط TensorFlow Enterprise را از ابتدا یاد بگیرند و پیاده سازی کنند. دانش اولیه فرآیند توسعه یادگیری ماشین مفید خواهد بود.
Use TensorFlow Enterprise with other GCP services to improve the speed and efficiency of machine learning pipelines for reliable and stable enterprise-level deployment Key features Build scalable, seamless, and enterprise-ready cloud-based machine learning applications using TensorFlow Enterprise Discover how to accelerate the machine learning development life cycle using enterprise-grade services Manage Google's cloud services to scale and optimize AI models in production Book Description TensorFlow as a machine learning (ML) library has matured into a production-ready ecosystem. This beginner's book uses practical examples to enable you to build and deploy TensorFlow models using optimal settings that ensure long-term support without having to worry about library deprecation or being left behind when it comes to bug fixes or workarounds. The book begins by showing you how to refine your TensorFlow project and set it up for enterprise-level deployment. You'll then learn how to choose a future-proof version of TensorFlow. As you advance, you'll find out how to build and deploy models in a robust and stable environment by following recommended practices made available in TensorFlow Enterprise. This book also teaches you how to manage your services better and enhance the performance and reliability of your artificial intelligence (AI) applications. You'll discover how to use various enterprise-ready services to accelerate your ML and AI workflows on Google Cloud Platform (GCP). Finally, you'll scale your ML models and handle heavy workloads across CPUs, GPUs, and Cloud TPUs. By the end of this TensorFlow book, you'll have learned the patterns needed for TensorFlow Enterprise model development, data pipelines, training, and deployment. What you will learn Discover how to set up a GCP TensorFlow Enterprise cloud instance and environment Handle and format raw data that can be consumed by the TensorFlow model training process Develop ML models and leverage prebuilt models using the TensorFlow Enterprise API Use distributed training strategies and implement hyperparameter tuning to scale and improve your model training experiments Scale the training process by using GPU and TPU clusters Adopt the latest model optimization techniques and deployment methodologies to improve model efficiency Who this book is for This book is for data scientists, machine learning developers or engineers, and cloud practitioners who want to learn and implement various services and features offered by TensorFlow Enterprise from scratch. Basic knowledge of the machine learning development process will be useful.