鸠摩搜书下载
暂无已核验电子书资源；本站不展示未授权完整文件。
下载《大模型时代的基础架构：大模型算力中心建设指南》内容简介与阅读建议
获取这本书 暂无已核验电子书资源
《大模型时代的基础架构：大模型算力中心建设指南》内容简介
大模型是近年来引人注目的热点之一。大模型蓬勃发展的基础，是针对其需求设计的算力及基础架构。本书针对如何为大模型构建基础架构进行深入讲解，并基于TOGAF方法论，剖析业界知名案例的设计方案。
《大模型时代的基础架构：大模型算力中心建设指南》书籍信息摘要
《大模型时代的基础架构：大模型算力中心建设指南》内容简介与阅读建议，作者 方天戟，科技技术，2024年。获取前建议核对作者、出版社、年份、ISBN、版本和正版渠道。相关主题：大模型、算力中心、GPU集群、计算机类。
- 作者：方天戟
- 分类：科技技术
- 出版年份：2024
- 出版社：电子工业出版社
- 页数：240 页
- 语言：中文
- 格式：暂无已核验合规下载格式
《大模型时代的基础架构：大模型算力中心建设指南》适合哪些读者？
适合希望系统学习技术概念、实践方法、工具使用和行业知识的读者。 评分 5.6 可作为选书参考。
获取建议
《大模型时代的基础架构：大模型算力中心建设指南》怎么获取更合适？
优先确认版本和阅读目的；下载区只展示已核验的公版、授权、开放许可或官方试读资源。
版本
优先选择作者、译者、出版社、出版年份和 ISBN 信息明确的版本；经典作品可优先选择校注、导读或权威出版社版本。
目录
- 第1章 AI与大模型时代对基础架构的需求
- 1.1 我们在谈论AI时，到底在谈论什么
- 1.2 机器学习算法初窥
- 1.3 一元线性回归算法剖析
- 1.4 机器学习算法对计算机硬件的特殊需求
- 1.4.1 机器学习算法的核心运算特征
- 1.4.2 使用CPU实现机器学习算法和并行加速
- 1.4.3 机器学习算法的主力引擎——GPU
展开全部（共 117 章节）
- 1.4.4 机器学习算法的新引擎——TPU和NPU
- 1.5 本章小结
- 第2章 软件程序与专用硬件的结合
- 2.1 GPU并行运算库
- 2.2 机器学习程序的开发框架
- 2.3 分布式AI训练
- 2.4 本章小结
- 第3章 GPU硬件架构剖析
- 3.1 GPU的总体设计
- 3.2 Nvidia GH100芯片架构剖析
- 3.3 其他Hopper架构的GPU
- 3.4 本章小结
- 第4章 GPU服务器的设计与实现
- 4.1 初识Nvidia DGX
- 4.2 Nvidia DGX A100的总体设计
- 4.3 Nvidia DGX A100 CPU与内存子系统的设计
- 4.4 Nvidia DGX A100 PCI-E子系统的设计
- 4.5 Nvidia DGX A100 NVLink子系统的设计
- 4.6 其他辅助子系统的设计
- 4.7 本章小结
- 第5章 机器学习所依托的I/O框架体系
- 5.1 Magnum IO的需求来源
- 5.2 Magnum IO的核心组件
- 5.3 服务器内部的GPU互通
- 5.4 跨服务器节点的GPU通信
- 5.5 RDMA的两种实现
- 5.6 GPU对存储的访问
- 5.7 Magnum IO所依赖的其他支撑技术
- 5.7.1 DPDK( Data Plane Development Kit，数据平面开发套件)
- 5.7.2 DPU(Data Processing Unit，数据处理器)
- 5.7.3 MPI Tag Matching
- 5.8 本章小结
- 第6章 GPU集群的网络设计与实现
- 6.1 GPU集群中RoCE计算网络的设计与实现
- 6.2 GPU集群中存储与业务网络的设计与实现
- 6.3 GPU集群中带外管理监控网络的设计与实现
- 6.4 GPU集群中网络边界的设计与实现
- 6.5 本章小结
- 第7章 GPU板卡级算力调度技术
- 7.1 基于虚拟化技术的GPU调度
- 7.2 基于容器技术的GPU调度
- 7.3 本章小结
- 第8章 GPU虚拟化调度方案
- 8.1 Nvidia的GPU虚拟化调度方案
- 8.1.1 API Remoting与vCUDA
- 8.1.2 GRID vGPU
- 8.1.3 Nvidia MIG
- 8.2 其他硬件厂商的GPU虚拟化调度方案
- 8.2.1 AMD的SRIOV方案
- 8.2.2 Intel的GVT-G方案
- 8.3 云厂商与开源社区基于容器的GPU虚拟化调度方案
- 8.3.1 TKE vCUDA+GPU Manager
- 8.3.2 阿里云的cGPU
- 8.3.3 腾讯云的qGPU
- 8.4 本章小结
- 第9章 GPU集群的网络虚拟化设计与实现
- 9.1 基于SDN的VPC技术：网络虚拟化技术的基石
- 9.2 云负载均衡：机器学习网络的中流砥柱
- 9.3 专线接入、对等连接与VPC网关
- 9.4 SDN NFV网关的实现与部署
- 9.4.1 基于virtio-net/vhost的虚拟机部署NFV
- 9.4.2 基于SRIOV的虚拟机部署NFV
- 9.4.3 使用DPDK技术对NFV加速
- 9.5 本章小结
- 第10章 GPU集群的存储设计与实现
- 10.1 程序与系统存储——分布式块存储
- 10.1.1 块存储的业务需求
- 10.1.2 集中式块存储与分布式块存储
- 10.1.3 分布式块存储的故障恢复
- 10.1.4 分布式块存储的性能优化
- 10.1.5 分布式块存储的快照与回滚
- 10.2 海量非结构化数据存储——分布式对象存储
- 10.2.1 入门级对象存储的首选：Ceph
- 10.2.2 开源海量对象存储：Swift
- 10.2.3 商业化对象存储：大型公有云对象存储私有化
- 10.2.4 未来之星：Minio
- 10.3 AI训练素材存储——分布式并发高性能存储
- 10.3.1 开源大数据存储鼻祖：HDFS
- 10.3.2 业界对HDFS的改进
- 10.3.3 长青松柏：Lustre
- 10.4 本章小结
- 第11章 机器学习应用开发与运行平台的设计与实现
- 11.1 微服务平台
- 11.1.1 Kubernetes：微服务基础能力平台
- 11.1.2 Spring Cloud：Java系专属微服务平台
- 11.1.3 Istio：不挑开发语言，只挑部署架构
- 11.1.4 商业化微服务平台：兼顾各类需求的选择
- 11.2 中间件服务
- 11.2.1 消息中间件
- 11.2.2 缓存中间件
- 11.2.3 数据库(数据中间件)
- 11.3 应用日志服务
- 11.4 本章小结
- 第12章 基于云平台的GPU集群的管理与运营
- 12.1 云运维平台
- 12.1.1 硬件基础设施管理
- 12.1.2 系统监控与告警平台
- 12.1.3 CMDB
- 12.2 云运营平台
- 12.3 云审计平台
- 12.4 本章小结
- 第13章 服务机器学习的GPU计算平台落地案例
- 13.1 需求来源：自动驾驶模型训练
- 13.2 总体设计——基于云原生的高性能计算
- 13.3 计算需求分析与设计实现
- 13.4 存储需求分析与设计实现
- 13.5 网络需求分析与设计实现
- 13.6 本章小结
- 后记
合规获取说明
当前暂无已核验电子书资源。若是商业出版物，建议优先通过出版社、书店或官方电子书平台获取。
常见问题
《大模型时代的基础架构：大模型算力中心建设指南》适合谁读？
适合希望系统学习技术概念、实践方法、工具使用和行业知识的读者。 评分 5.6 可作为选书参考。
《大模型时代的基础架构：大模型算力中心建设指南》阅读难度高吗？
建议先看简介、目录、作者和相关书籍，再判断是否适合当前阶段阅读。
《大模型时代的基础架构：大模型算力中心建设指南》纸质书值得买吗？
当前暂未接入已核验的纸质书购买链接，建议通过出版社、京东、当当等正版渠道核对版本后购买。
《大模型时代的基础架构：大模型算力中心建设指南》哪个版本更适合？
优先选择作者、译者、出版社、出版年份和 ISBN 信息清楚的版本；经典作品可优先选择校注、导读或权威出版社版本。
在哪里可以合法获取《大模型时代的基础架构：大模型算力中心建设指南》？
当前没有确认授权的电子书下载资源，也暂未接入已核验购买链接；商业出版物不提供未授权下载，建议通过出版社、京东、当当或官方电子书平台核对获取。
如何继续查找《大模型时代的基础架构：大模型算力中心建设指南》相关书籍？
可以进入 方天戟 作者页查看其他作品，也可以通过分类、标签、排行榜、人工推荐和“读完这本还可以读”继续发现相近主题。
相关书籍
