W tym rozdziale sprawdzimy, jak PyTorch Lightning upraszcza tworzenie i wdrażanie skalowalnych modeli AI. Zaczniemy od podstawowych pojęć, a następnie przejdziemy przez kluczową strukturę projektu w PyTorch Lightning – w tym niezbędne elementy, takie jak LightningModule i Trainer – budując solidne podstawy pod bardziej zaawansowane rozwiązania AI.

Wprowadzenie do PyTorch Lightning

Wprowadzenie do LightningModule

Uruchamianie Lightning Trainera

Definiowanie modeli za pomocą LightningModule

Zastosowanie LightningModule

Opanuj metodę init

Doskonalenie metody forward

Implementacja logiki trenowania

Implementacja kroku treningowego

Konfiguracja optymalizatora

Trenowanie i ewaluacja

Budowanie skalowalnych modeli z PyTorch Lightning

W tym rozdziale zagłębimy się w PyTorch Lightning, aby efektywnie zarządzać danymi i udoskonalać trenowanie modeli. Nauczysz się tworzyć modularne i wielokrotnego użytku przepływy danych z LightningDataModule, dokładnie oceniać modele za pomocą walidacji i testowania, a także usprawniać proces trenowania przy użyciu Lightning Callbacks – automatyzując poprawę modelu i zapobiegając przeuczeniu.

Zarządzanie danymi za pomocą LightningDataModule

Podział danych za pomocą LightningDataModule

Tworzenie DataLoadera dla danych treningowych

Walidacja i testowanie modelu

Implementacja kroku walidacji

Ocena dokładności modelu za pomocą Torchmetrics

Usprawnianie trenowania z wykorzystaniem Lightning callbacks

Klasyfikowanie callbacków Lightning

Optymalizacja trenowania modelu z Lightning

Zaawansowane techniki w PyTorch Lightning

Naucz się przygotowywać modele głębokiego uczenia do wdrożenia w rzeczywistych zastosowaniach – czyniąc je lżejszymi i szybszymi. Ten rozdział przedstawia techniki takie jak kwantyzacja dynamiczna, przycinanie (pruning) i konwersja do TorchScript, które pozwalają zmniejszyć rozmiar modelu i opóźnienia bez utraty dokładności.

Stosowanie kwantyzacji dynamicznej

Zastosuj kwantyzację dynamiczną

Porównanie wydajności modelu po kwantyzacji

Implementowanie technik przycinania modelu

Zastosowanie przycinania do warstwy liniowej

Finalizowanie przycinania przez usunięcie maski

Eksportowanie modeli za pomocą TorchScript

Wybór odpowiedniej metody konwersji

Optymalizacja modeli pod kątem skalowalności

Podsumowanie: Skalowalne modele AI z PyTorch Lightning

W tym kursie poznasz zasady, narzędzia i techniki budowania skalowalnych systemów AI. Korzystając z PyTorch Lightning jako głównego frameworka, zdobędziesz praktyczne doświadczenie w tworzeniu i optymalizacji modeli AI – od budowania modułowych komponentów sieci neuronowych, przez zarządzanie potokami danych, po stosowanie zaawansowanych technik optymalizacji. Po ukończeniu kursu będziesz mieć umiejętności potrzebne do budowania, skalowania i wdrażania niezawodnych rozwiązań AI.

<h2>Podstawy skalowalnej sztucznej inteligencji</h2> 
Ten kurs zabierze Cię w podróż przez podstawy skalowalnej sztucznej inteligencji. Zaczniesz od nauki, jak PyTorch Lightning usprawnia cykl tworzenia modeli, ograniczając ilość powtarzalnego kodu. Dzięki prowadzonym przykładom zobaczysz, jak dzielić złożone sieci neuronowe na wielokrotnego użytku komponenty, co pozwoli Ci utrzymać wysoką jakość kodu nawet wtedy, gdy Twoje projekty będą się rozrastać.
<br><br>
<h2>Zaawansowane techniki optymalizacji</h2> 
Opanujesz także techniki optymalizacji, takie jak adaptacyjne optymalizatory, przycinanie modeli i kwantyzacja. Zobaczysz na własne oczy, jak niewielkie zmiany w strategii treningowej mogą przynieść znaczący wzrost szybkości i dokładności, a także nauczysz się optymalizować pętle treningowe, aby eliminować wąskie gardła.
<br><br>
<h2>Gotowe do wdrożenia w produkcji</h2> 
Pod koniec kursu zdobędziesz umiejętności potrzebne, aby przeprowadzić prototyp aż do wdrożenia, a także będziesz mieć portfolio modułowych, zoptymalizowanych i gotowych do wdrożenia rozwiązań AI, przygotowanych do rozwiązywania rzeczywistych wyzwań.







Intermediate Deep Learning with PyTorch

Usprawnij projekty AI, budując modułowe modele i opanuj optymalizację z PyTorch Lightning!

Skalowalne modele AI z PyTorch Lightning

Usprawnij projekty AI, budując modułowe modele i opanowując zaawansowaną optymalizację z PyTorch Lightning!

Tworzenie dużych modeli językowych

Director, GenAI Productivity

Implementacja technik przycinania modelu

Kiedy stosować przycinanie?

Czym jest przycinanie modelu?

Omówienie masek przycinania

Trwałe przycinanie

Ocena wpływu przycinania

Czas na ćwiczenia!

Optymalizacja modeli pod kątem skalowalności - Implementowanie technik przycinania modelu

Implementowanie technik przycinania modelu

Create Your Free Account