آموزش استقرار مدل های TensorFlow به AWS ، Azure و GCP

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

با استفاده از سرویس TensorFlow Using TensorFlow Serving

• بررسی اجمالی ماژول Module Overview

• پیش نیازها و بررسی اجمالی دوره Prerequisites and Course Overview

• گردش کار یادگیری ماشین: خدمات محلی The Machine Learning Workflow: Local Serving

• نسخه ی نمایشی: کاوش در مجموعه داده های پیش بینی Churn Demo: Exploring the Churn Prediction Dataset

• نسخه ی نمایشی: آموزش و عملکرد Demo: Training and the Experiment Function

• مدل ذخیره شده The Saved Model

• سرور مدل TensorFlow The TensorFlow Model Server

• بافرهای gRPC و پروتکل gRPC and Protocol Buffers

• نسخه ی نمایشی: راه اندازی Azure VM Demo: Setting up the Azure VM

• نسخه ی نمایشی: نصب TensorFlow ، gRPC ، Servis API ها و Model Server Demo: Installing TensorFlow, gRPC, Serving APIs and the Model Server

• نسخه ی نمایشی: به کارگیری و میزبانی مدل طبقه بندی MNIST Demo: Deploying and Hosting the MNIST Classification Model

• نسخه ی نمایشی: تنظیم مدل Churn Demo: Setting up the Churn Model

• نسخه ی نمایشی: آموزش و صرفه جویی در مدل Demo: Training and Saving the Model

• نسخه ی نمایشی: پیش بینی از یک مدل ذخیره شده Demo: Making Predictions from a Saved Model

نگهداری مدل های TensorFlow با استفاده از Docker در Microsoft Azure Containerizing TensorFlow Models Using Docker on Microsoft Azure

• بررسی اجمالی ماژول Module Overview

• گزینه های Azure ML IaaS و PaaS Azure ML IaaS and PaaS Options

• کانتینرها و ماشین های مجازی Containers and VMs

• نسخه ی نمایشی: Docker CE نصب کنید Demo: Docker CE Install

• نسخه ی نمایشی: ساخت تصویر Docker Demo: Building the Docker Image

• نسخه ی نمایشی: اجرای یک کانتینر Docker برای پیش بینی ها Demo: Running a Docker Container for Predictions

• نسخه ی نمایشی: ثبت تصویر با Docker Hub Demo: Registering the Image with Docker Hub

• نسخه ی نمایشی: اجرای Docker با استفاده از تصویر Docker Hub Demo: Running Docker Using the Docker Hub Image

• نسخه ی نمایشی: پیش بینی از یک مدل ذخیره شده با استفاده از یک ظرف Docker Demo: Making Predictions from a Saved Model Using a Docker Container

استقرار مدل های TensorFlow در Amazon AWS Deploying TensorFlow Models on Amazon AWS

• بررسی اجمالی ماژول Module Overview

• گردش کار یادگیری ماشین: SageMaker The Machine Learning Workflow: SageMaker

• آموزش مدل Training the Model

• استقرار مدل Deploying the Model

• رابط آموزش و استنباط کد Training and Inference Code Interface

• نسخه ی نمایشی: راه اندازی یک سطل S3 Demo: Setting up an S3 Bucket

• نسخه ی نمایشی: راه اندازی یک مورد نوت بوک Demo: Setting up a Notebook Instance

• نسخه ی نمایشی: آماده سازی داده ها Demo: Data Preparation

• نسخه ی نمایشی: تنظیم مدل TensorFlow Demo: Setting up the TensorFlow Model

• نسخه ی نمایشی: آموزش و استفاده از مدل Demo: Training and Deploying the Model

• نسخه ی نمایشی: مدل ها و نقاط پایانی Demo: Models and Endpoints

استقرار مدل های TensorFlow در بستر Google Cloud Deploying TensorFlow Models on the Google Cloud Platform

• بررسی اجمالی ماژول Module Overview

• Cloud ML Engine در مقابل SageMaker Cloud ML Engine vs. SageMaker

• گردش کار یادگیری ماشین: Cloud ML Engine The Machine Learning Workflow: Cloud ML Engine

• آموزش مدل Training the Model

• استقرار مدل Deploying the Model

• نسخه ی نمایشی: اتصال به دیتالاب Demo: Connecting to Datalab

• نسخه ی نمایشی: ایجاد یک سطل GCS Demo: Creating a GCS Bucket

• نسخه ی نمایشی: آماده سازی داده ها Demo: Data Preparation

• نسخه ی نمایشی: تنظیم مجوزهای سطل Demo: Setting up Bucket Permissions

• نسخه ی نمایشی: مطالب بسته پایتون Demo: Python Package Contents

• نسخه ی نمایشی: آموزش و پیش بینی محلی Demo: Local Training and Prediction

• نسخه ی نمایشی: آموزش توزیع و استقرار Demo: Distributed Training and Deployment

• نسخه ی نمایشی: پیش بینی ها با استفاده از Cloud ML Endpoints Demo: Making Predictions Using Cloud ML Endpoints

• خلاصه و مطالعه بیشتر Summary and Further Study