کتاب مهندسی عملکرد سیستمهای هوش مصنوعی
این کتاب راهنمای قطعی برای به حداکثر رساندن کارایی در تمامی لایههای زیرساخت هوش مصنوعی است. در عصر مدلهای مولد (Generative Models) که به سرعت در حال رشد هستند، این منبع به مهندسان، محققان و توسعهدهندگان مجموعهای عملی از استراتژیهای بهینهسازی ارائه میدهد. با یادگیری همزمان (Co-optimization) سختافزار، نرمافزار و الگوریتمها، میتوانید سیستمهای هوش مصنوعی منعطف، مقیاسپذیر (Scalability) و مقرونبهصرفه بسازید که در آموزش و استنتاج (Inference) عملکرد عالی دارند. این کتاب شامل روشهای گامبهگام برای تنظیم دقیق هستههای CUDA، الگوریتمهای مبتنی بر PyTorch و سیستمهای آموزش و استنتاج چندگرهای است. همچنین هنر مقیاسپذیری کلاسترهای GPU برای کارهای توزیعشده و سرورهای استنتاج را خواهید آموخت. در پایان، یک چکلیست شامل بیش از ۱۷۵ مورد بهینهسازی اثباتشده و آماده استفاده ارائه شده است.
اشتراکی
نمای کلی کتاب
مروری بر ساختار و اطلاعات کلیدی کتاب
تاریخ انتشار
۲۱ آبان ۱۴۰۴
نسخه
1 کتاب
مجموع فصلها
20 فصل
مجموع صفحات
1062 صفحه
سطح
متوسط تا پیشرفته
این کتاب راهنمای قطعی برای به حداکثر رساندن کارایی در تمامی لایههای زیرساخت هوش مصنوعی است. در عصر مدلهای مولد (Generative Models) که به سرعت در حال رشد هستند، این منبع به مهندسان، محققان و توسعهدهندگان مجموعهای عملی از استراتژیهای بهینهسازی ارائه میدهد. با یادگیری همزمان (Co-optimization) سختافزار، نرمافزار و الگوریتمها، میتوانید سیستمهای هوش مصنوعی منعطف، مقیاسپذیر (Scalability) و مقرونبهصرفه بسازید که در آموزش و استنتاج (Inference) عملکرد عالی دارند.
این کتاب شامل روشهای گامبهگام برای تنظیم دقیق هستههای CUDA، الگوریتمهای مبتنی بر PyTorch و سیستمهای آموزش و استنتاج چندگرهای است. همچنین هنر مقیاسپذیری کلاسترهای GPU برای کارهای توزیعشده و سرورهای استنتاج را خواهید آموخت. در پایان، یک چکلیست شامل بیش از ۱۷۵ مورد بهینهسازی اثباتشده و آماده استفاده ارائه شده است.
با مرور این بخش، درک سریع و کلی از محتوای کتاب پیدا کنید.
بهینهسازی کامل پشته (Full-Stack Optimization)
این کتاب بر همافزایی میان سختافزار، نرمافزار و الگوریتمها تمرکز دارد تا حداکثر توان عملیاتی (Throughput) و صرفهجویی در هزینهها حاصل شود. این رویکرد شامل موارد زیر است:
- تنظیم دقیق هستههای GPU و CUDA.
- بهینهسازی الگوریتمهای PyTorch.
- مدیریت منابع در محیطهای توزیعشده.
استراتژیهای پیشرفته استنتاج (Advanced Inference Strategies)
کتاب روشهای پیشرفتهای را برای کاهش تأخیر (Latency) و افزایش کارایی در محیطهای واقعی معرفی میکند. این استراتژیها شامل موارد زیر هستند:
- استفاده از معماریهای تفکیکشده برای مراحل پیشپر کردن (Prefill) و رمزگشایی (Decode).
- تکنیکهای رمزگشایی حدسی (Speculative Decoding).
- مدیریت هوشمند KV Cache برای بهبود عملکرد سرورهای استنتاج.
نویسندگانی که در پشت محتوای این کتاب قرار دارند، از برجستهترین متخصصان و پیشگامان حوزه خود به شمار میروند. آثار آنها حاصل سالها تجربه عملی، پژوهش عمیق و همکاری با بزرگترین سازمانها و شرکتهای فناوری جهان است. هر یک از این نویسندگان با انتشار کتابها و مقالات تخصصی، نقش مهمی در شکلگیری و پیشرفت دانش فنی جامعه جهانی ایفا کردهاند.
نظرات
تجربه کاربران از این کتاب - نظرات خریداران و دیگر کاربران
20 فصل در حال تولید
مدت زمان خوانش
34:20
نوع کتاب
اشتراکی
شرکت کنندگان
0 نفر
تولید کتاب
۳۱ شهریور ۱۴۰۵