详细内容或原文请订阅后点击阅览
生产中的深度学习：笔记本电脑设置和系统设计
关于如何在生产中编写和部署深度学习系统的文章课程。python 代码优化、云托管和系统设计
来源:AI夏令营你好，欢迎来到“生产中的深度学习”课程。
在本系列文章中，我们的目标非常简单。我们将从一个包含原型深度学习代码（即研究项目）的 colab 笔记本开始，然后部署和扩展它以服务数百万或数十亿（好吧，也许我太兴奋了）的用户。
我们将逐步探索以下概念和想法：
- 如何构建和开发可用于生产的机器学习代码，如何优化模型的性能和内存需求，以及如何通过在云端设置小型服务器将其提供给公众。
如何构建和开发可用于生产的机器学习代码，
如何优化模型的性能和内存要求，以及
如何通过在云端设置小型服务器使其可供公众使用。
但这并不是全部。 之后，我们需要扩展我们的服务器，以便能够处理用户群不断增长的流量。
我们需要扩展我们的服务器因此，请从机器学习的角度为一些严肃的软件工程做好准备。 实际上，现在我正在考虑，这个系列更合适的标题是“深度学习和软件工程”。
为了阐明为什么软件工程是深度学习中不可否认的重要组成部分，我们以 Google Assistant 为例。毫无疑问，Google Assistant 背后有一个巧妙的机器学习算法（可能是 BERT、LSTM 和天知道还有什么的组合）。但你认为仅凭这项惊人的研究就能同时回答数百万用户的查询吗？绝对不是。幕后有数十名软件工程师，他们维护、优化和构建系统。这正是我们即将发现的。
最佳实践 在这里 = 。