Aprendizaje profundo a escala

Llevar un proyecto de aprendizaje profundo a la producción a escala es todo un reto. Para escalar con éxito tu proyecto, se requiere una comprensión fundamental del aprendizaje profundo de pila completa, incluidos los conocimientos que se encuentran en la intersección del hardware, el software, los datos y los algoritmos.

Este libro ilustra conceptos complejos del aprendizaje profundo de pila completa y los refuerza mediante ejercicios prácticos para dotarte de herramientas y técnicas que te permitan escalar tu proyecto. Un esfuerzo de escalado sólo es beneficioso cuando es eficaz y eficiente. Para ello, esta guía explica los intrincados conceptos y técnicas que te ayudarán a escalar con eficacia y eficiencia.

Comprenderás a fondo:

• Cómo fluyen los datos a través de la red de aprendizaje profundo y el papel que desempeñan los gráficos de cálculo en la construcción de tu modelo
• Cómo la computación acelerada acelera tu entrenamiento y cómo puedes utilizar mejor los recursos a tu disposición
• Cómo entrenar tu modelo utilizando paradigmas de entrenamiento distribuido, es decir, paralelismo de datos, modelo y canalización
• Cómo aprovechar los ecosistemas PyTorch junto con las bibliotecas NVIDIA y Triton para escalar el entrenamiento de tu modelo
• Depurar, monitorizar e investigar los cuellos de botella indeseables que ralentizan el entrenamiento de tu modelo
• Cómo acelerar el ciclo de vida del entrenamiento y agilizar tu bucle de retroalimentación para iterar el desarrollo del modelo
• Un conjunto de trucos y técnicas de datos y cómo aplicarlos para ampliar tu modelo de entrenamiento
• Cómo seleccionar las herramientas y técnicas adecuadas para tu proyecto de aprendizaje profundo
• Opciones para gestionar la infraestructura informática cuando se ejecuta a escala