Ханнес Хапке , Кэтрин Нельсон - Разработка конвейеров машинного обучения. Автоматизация жизненных циклов модели с помощью TensorFlow

точка. См. конечная APII
Argo 253, 258, 277
AWS Simple Storage Service (S3) 57

D

Dataflow 269
DataFlow 84
DevOps 190
DirectRunner 50
Docker 160, 162, 190, 204, 313
интерфейс командной строки 317
контейнер 162
конфигурация при работе
с несколькими моделями
машинного обучения 164
конфигурация при работе с одной
моделью машинного обучения 162
образ 160, 314
создание 316
поддержка графических процессоров
160
установка 160

G

Google AI Platform Pipelines 269
Google Cloud 84, 269, 271
Google Cloud AI Platform 269, 276
использование в конвейерах
машинного обучения 269
Google Cloud BigQuery 51, 59
Google Cloud DataFlow 80
Google Cloud Google CloudЃfs AI
Platform 112
Google Cloud Marketplace 270
Google Cloud Platform 47, 80
Google Clouds AI Platform
получение прогноза модели
машинного обучения 187
развертывание модели машинного
обучения 183
использование GCP API 186
масштабирование 185
работа с развернутой моделью 186

Предметный указатель 

Google Cloud Storage 57, 273
gRPC 166

H

H2O 181

J

Jupiter Notebook 43
Jupyter Notebook 53, 69, 71, 73, 74, 127

K

Keras 154, 190
Kubeflow 248, 250, 271
архитектура 250
Kubeflow Lineage Explorer 268
Kubeflow Pipelines 231, 246, 269, 332
запуск конвейера машинного
обучения 258
использование на платформах
искусственного интеллекта
Google AI 232
использование постоянного тома
330, 334
настройка 246, 249, 269
настройка кластера 271
оркестрация конвейеров TFX 252
полезные функции 264
аудит линии конвейера 268
запуск конвейера
по расписанию 264
перезапуск конвейера 264
проверка запусков конвейера 265
пользовательские образы TFX 332
установка 249
использование кластера
Kubernetes 249
Kubernetes 204, 232, 249, 318
инструменты
kubectl 319
Minikube 319
кластер 319
определение ресурсов 322
основные определения 318
работа с Google Cloud 326
развертывание приложений 323
создание кластера
в Google Cloud 328
управляемые сервисы 249

N

Nvidia 196

343

O

Open Neural Network
Exchange (ONNX) 181

P

PMML 181
Prometheus 200
настройка 202
установка 200
PyTorch 181

R

REST 162, 166

S

Scikit-learn 181
SciKit-Learn 185

T

TensorBoard 113
TensorFlow 52, 190, 290
развертывание графа 152
TensorFlow Data
Validation 46, 71, 73, 76, 80
Tensor Flow Data Validation (TFDV) 66
TensorFlow Data Validation (TFDV) 68
TensorFlow Debugger 160
TensorFlow-Encrypted 303
TensorFlow Extended 46, 51
TensorFlow Extended (TFX) 38, 41, 207
зависимости 336
интерфейс командной строки 335
использование с другими
фреймворками машинного
обучения 310
пользовательские компоненты 215
драйверы 222
запуск 224
исполнители 219
каналы 218
расширение существующих
компонентов 225
сборка 223
собственная реализация
исполнителей компонентов 228
создание с нуля 217
спецификации 217
сценарии использования 216
публикация конвейера машинного
обучения 338
расширенные концепции 207
шаблоны 336

344



Предметный указатель

TensorFlow Federated 301
TensorFlow Model
Analysis (TFMA) 121, 125
TensorFlow Privacy 296
оптимизатор, использующий
дифференцированную
приватность 297
стохастический градиентный
спуск 297
расчет параметра ε 298
TensorFlow Serving 175
TensorFlow Serving (TFS) 150, 151, 152,
153, 190, 196, 197, 204, 209
альтернативы 180
BentoML 180
GraphPipe 181
Mlflow 181
Ray Serve 181
Seldon 180
Simple TensorFlow Serving 181
архитектура 153
использование удаленных хранилищ
данных 191
AWS 192
GCP 193
масштабирование 204
мониторинг 200
метрики 200
Prometheus. См. Prometheus; См.
Prometheus
настройка 161
конфигурации при работе
с несколькими моделями
машинного обучения 164
конфигурации при работе
с одной моделью машинного
обучения 163
конфигурация при работе
с одной моделью машинного
обучения 162
оптимизация 177, 179
пакетные запросы
настройка пакетного режима
в прогнозировании 177

пакетные запросы на вывод
прогнозов модели 175
поддержка gRPC 162
поддержка REST 162
протоколы обмена данными 166
сравнительные
характеристики 167
REST. См. REST;
работа с выбранными версиями
модели 165
сборка из исходного кода 161
установка 160
установка на Ubuntu 160
установка с использованием
Docker. См. Docker;
TFS Python API 157
TensorFlow Transform 46
TensorFlow Transform (TFT) 85, 87, 89
TensorRT 196
TFLite 197, 198, 209, 210
инструменты оптимизации модели
машинного обучения 197
ограничения 210
поддержка операций TensorFlow 198
развертывание моделей
машинного обучения
с помощью
TensorFlow Serving 199
экспорт моделей 209
TFRecords 55, 56
TFX Evaluator 146, 147
TFX Pusher 148
TFX Resolver
ResolverNode 145
TFX Trainer 106
TFX Tuner 119

U

Ubuntu 160, 161
Universal Sentence Encoder (USE) 104

X

XGBoost 181, 185

Книги издательства «ДМК Пресс» можно заказать
в торгово-издательском холдинге «Планета Альянс» наложенным платежом,
выслав --">