TensorFlow Under the Hood: Fondamenti di Hardware e Compilatori

Scrivere codice di machine learning in TensorFlow e Keras è facile, ma sai cosa succede realmente quando il tuo modello viene compilato ed eseguito? Comprendere il ponte tra il codice di machine learning di alto livello e l'hardware fisico è la chiave per scrivere modelli altamente ottimizzati ed efficienti. Questo corso, basato esclusivamente su testo, ti guida attraverso la relazione fondamentale tra software di machine learning, compilatori e acceleratori hardware. Passerari dal semplice scrivere codice alla comprensione esatta di come le tue reti neurali vengono mappate su CPU, GPU e TPU per massime prestazioni. Cosa imparerai: - Comprendere le meccaniche fondamentali di come i compilatori traducono le operazioni TensorFlow di alto livello in codice macchina. - Esplorare le differenze architetturali tra CPU, GPU e TPU, e come gestiscono le operazioni matriciali. - Imparare come i compilatori ottimizzano i grafi di esecuzione per ridurre l'overhead di memoria e la latenza. - Analizzare come TensorFlow e Keras gestiscono la memoria e distribuiscono i carichi di lavoro sotto il cofano. - Tracciare il viaggio di un tensore dal codice Python di alto livello fino ai registri hardware fisici. Il corso inizia con la terminologia essenziale, spiegando le basi dell'architettura dei computer e della teoria dei compilatori prima di passare alla mappatura pratica hardware-software. Leggerai spiegazioni dettagliate, analizzerai concetti architetturali e studierai schemi di esecuzione del codice per padroneggiare le meccaniche sottostanti dell'esecuzione del machine learning. Questo corso è pensato per sviluppatori curiosi, data scientist e principianti che vogliono andare oltre l'uso base delle API e comprendere il lato sistemistico del machine learning. Non è richiesta alcuna conoscenza hardware avanzata. Inizia a leggere oggi stesso per sbloccare il pieno potenziale dei tuoi modelli di machine learning padroneggiando la connessione hardware-software.