中文 | English
--- # 机器学习系统：设计和实现 本开源项目讲解现代机器学习系统的设计原理和实现经验，涵盖从编程接口、计算图、编译器到分布式训练的完整技术栈。 **在线阅读：** [openmlsys.github.io](https://openmlsys.github.io/) ## 目录 - [适用读者](#适用读者) - [内容介绍](#内容介绍) - [构建指南](#构建指南) - [贡献指南](#贡献指南) - [社区](#社区) - [许可证](#许可证) ## 适用读者 - **学生**：掌握机器学习基础理论后，希望深入了解现代机器学习系统设计与实现的同学。 - **科研人员**：需要开发自定义算子（Custom Operators）或利用分布式执行实现大模型的研究者。 - **开发人员**：负责机器学习基础设施建设，需要对系统性能调优和深度定制的工程师。 ## 内容介绍 本书分为基础篇、进阶篇和扩展篇三个部分： ### 基础篇 | 章节 | 内容 | |------|------| | [编程接口](chapter_programming_interface/) | 框架接口设计哲学、机器学习工作流、深度学习模型定义、C/C++ 框架开发 | | [计算图](chapter_computational_graph/) | 计算图基本构成、生成方法、调度策略、自动微分 | ### 进阶篇 | 章节 | 内容 | |------|------| | [编译器前端和中间表示](chapter_frontend_and_ir/) | 类型推导、中间表示（IR）、自动微分、常见优化 Pass | | [编译器后端和运行时](chapter_backend_and_runtime/) | 计算图优化、算子选择、内存分配、计算调度与执行 | | [硬件加速器](chapter_accelerator/) | GPU/Ascend 架构原理、高性能编程接口（CUDA/CANN） | | [数据处理框架](chapter_data_processing/) | 易用性、高效性、保序性、分布式数据处理 | | [模型部署](chapter_model_deployment/) | 模型转换、模型压缩、模型推理、安全保护 | | [分布式训练](chapter_distributed_training/) | 数据并行、模型并行、流水线并行、集合通讯、参数服务器 | ### 扩展篇 | 章节 | 内容 | |------|------| | [深度学习推荐系统](chapter_recommender_system/) | 推荐系统原理、大规模工业场景架构设计 | | [联邦学习系统](chapter_federated_learning/) | 联邦学习方法、隐私保护、系统实现 | | [强化学习系统](chapter_reinforcement_learning/) | 单智能体/多智能体强化学习系统 | | [可解释性 AI 系统](chapter_explainable_AI/) | 可解释 AI 方法与落地实践 | | [机器人学习系统](chapter_rl_sys/) | 机器人感知、规划、控制与系统安全 | ## 构建指南 ### 环境依赖 - Python >= 3.10 - pandoc >= 2.19 ### 安装步骤 ```bash # 克隆仓库 git clone https://github.com/openmlsys/openmlsys-zh.git cd openmlsys-zh # 安装 d2lbook git clone https://github.com/openmlsys/d2l-book.git cd d2l-book && pip install . && cd .. # 安装 Python 依赖 pip install -r requirements.txt ``` ### 编译 HTML ```bash sh build_html.sh # 生成结果在 _build/html/ ``` 更多细节请参考 [构建指南](info/info.md)。 ## 贡献指南 我们欢迎任何形式的贡献，包括： - **勘误**：发现文字或图片错误，请创建 Issue 并 @ [章节编辑](info/editors.md)，或直接提交 PR。 - **内容更新**：提交 PR 更新或添加 Markdown 文件。 - **新章节**：欢迎社区对元学习系统、自动并行、集群调度、绿色 AI、图学习等主题贡献章节。 提交前请阅读： - [写作风格指南](info/style.md) - [中英文术语对照](info/terminology.md) ## 社区
扫码加入微信交流群