|
000
|
02328nam0 2200325 450
|
|
001
|
02349090
|
|
005
|
20250714130517.0
|
|
010
|
|
@a978-7-111-75338-4@dCNY99.00
|
|
100
|
|
@a20250714d2024 em y0chiy50 ea
|
|
101
|
1
|
@achi@cger@ceng
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aa z 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@aRay分布式机器学习@ARay fen bu shi ji qi xue xi@e利用Ray进行大模型的数据处理、训练、推理和部署@f(德) 马克斯·普佩拉, (美) 爱德华·奥克斯, 理查德·廖著@g沈冲译
|
|
210
|
|
@a北京@c机械工业出版社@d2024.05
|
|
215
|
|
@a237页@c图@d24cm
|
|
306
|
|
@a由O'ReillyMedia, Inc.的授权出版
|
|
312
|
|
@a原文题名取自封面
|
|
314
|
|
@aMax Pumperla, 是一位现居德国汉堡的数据科学家和软件工程师。作为一名活跃的开源贡献者, 他是多个Python包的维护者、机器学习书籍的作者, 并多次在国际会议上发表演讲。他目前在Anyscale担任软件工程师。在担任 Pathmind 公司的产品负责人时, 他使用Ray RLlib、Serve和Tune开发了用于大规模产业应用的强化学习解决方案。Max曾是Skymind的DL4J核心开发者、拓展了Keras生态, 并且是Hyperopt的维护者。Edward Oakes, 是Anyscale的软件工程师和团队负责人, 负责Ray Serve的开发, 是Ray最重要的开源贡献者之一。在加入Anyscale之前, 他是美国加州大学伯克利分校电子工程与计算机科学系的研究生。Richard Liaw, 是Anyscale的软件工程师, 致力于开发用于分布式机器学习的开源工具。他目前暂时从加州大学伯克利分校计算机科学系博士的学习中休学, 他的导师是Joseph Gonzalez、Ion Stoica和Ken Goldberg。
|
|
330
|
|
@a本书展示了如何使用Ray构建机器学习应用程序, 介绍了Ray如何融入当前的机器学习工具, 以及Ray如何与这些工具紧密集成。本书前3章介绍了Ray作为分布式Python框架的基础知识, 并提供了应用示例 ; 第4-10章介绍了Ray高级库 (Ray RLlib、Ray Tune、Ray Dataset、Ray Train、Ray Serve、Ray Cluster、Ray AIR), 并展示如何使用高级库创建应用程序 ; 第11章对Ray的生态进行了总结, 并指导读者继续学习。
|
|
500
|
10
|
@aLearning Ray flexible distributed python for machine learning@mChinese
|
|
517
|
1
|
@a利用Ray进行大模型的数据处理、训练、推理和部署@Ali yong Ray jin xing da mo xing de shu ju chu li 、 xun lian 、 tui li he bu shu
|
|
606
|
0
|
@a分布式算法@Afen bu shi suan fa@x机器学习
|
|
690
|
|
@aTP181@v5
|
|
701
|
1
|
@a普佩拉@Apu pei la@g(Pumperla, Max)@4著
|
|
701
|
1
|
@a奥克斯@Aao ke si@g(Oakes, Edward)@4著
|
|
701
|
1
|
@a廖@Aliao@g(Liaw, Richard)@4著
|
|
702
|
0
|
@a沈冲@Ashen chong@4译
|
|
801
|
0
|
@aCN@bZZJT@c20250715
|
|
905
|
|
@aLYXY@dTP181@e88@f3
|
|
|
|
|
| |
| Ray分布式机器学习：利用Ray进行大模型的数据处理、训练、推理和部署/(德) 马克斯·普佩拉, (美) 爱德华·奥克斯, 理查德·廖著/沈冲译.-北京：机械工业出版社，2024.05 |
| 237页：图；24cm |
| |
| |
| ISBN 978-7-111-75338-4：CNY99.00 |
| 本书展示了如何使用Ray构建机器学习应用程序, 介绍了Ray如何融入当前的机器学习工具, 以及Ray如何与这些工具紧密集成。本书前3章介绍了Ray作为分布式Python框架的基础知识, 并提供了应用示例 ; 第4-10章介绍了Ray高级库 (Ray RLlib、Ray Tune、Ray Dataset、Ray Train、Ray Serve、Ray Cluster、Ray AIR), 并展示如何使用高级库创建应用程序 ; 第11章对Ray的生态进行了总结, 并指导读者继续学习。 |
| ● |
正题名：Ray分布式机器学习
索取号：TP181/88
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
1451494
|
214514943
|
十四楼书库/
[索取号:TP181/88]
|
在馆
|
架位导航
|
|
2
|
1451495
|
214514952
|
十四楼书库/
[索取号:TP181/88]
|
在馆
|
架位导航
|
|
3
|
1451496
|
214514961
|
十四楼书库/
[索取号:TP181/88]
|
在馆
|
架位导航
|
