利用 PyTorch 2.X 加速模型训练（英文电子书）

通过提升模型训练过程构建更精准的模型 使用 PyTorch 显著加速复杂模型的构建过程，从任何计算环境中提取最佳性能 核心特点 通过应用优化技术和方法减少模型构建时间 利用多设备和多机器的计算能力提升训练过程 通过快速评估不同的模型配置，专注于模型质量 内容简介 本书由一位拥有超过 25 年经验的高性能计算专家撰写，将指导你利用 PyTorch 提升模型训练性能。在这里，你将了解模型复杂度如何影响训练时间，发现加速训练过程的性能调优层面，以及利用 PyTorch 的特性、专业库和高效数据管道来优化 CPU 和加速器上的训练。你还将学习降低模型复杂度、采用混合精度，以及利用多核系统和多 GPU 环境进行分布式训练。到最后，你将掌握加速训练的技术和策略，从而专注于构建出色的模型。 你将学到什么 编译模型以实现更快训练 使用专业库优化 CPU 上的训练 构建数据管道以提升 GPU 执行效率 通过剪枝和压缩技术简化模型 采用自动混合精度，且不影响模型精度 在多机器和多设备上分布式执行训练步骤 本书适用人群 本书面向中级数据科学家，他们希望学习如何利用 PyTorch，通过一系列优化策略和技术来加速机器学习模型的训练过程。要充分利用本书，读者需熟悉机器学习、PyTorch 和 Python 的基本概念。但无需事先了解分布式计算、加速器或多核处理器的相关知识。 目录 训练过程解构 更快地训练模型 模型编译 专业库的使用 构建高效数据管道 模型简化 混合精度的采用 分布式训练概述 多 CPU 训练 多 GPU 训练 多机器训练