MLEs - Scale ML System 03

Quantization - v2.pdf

ONNX.pdf

Các bài báo quan trọng

Ánh xạ lượng tử (Quantization Mapping) và chứng minh công thức

Chi tiết hóa công thức lượng tử trên ma trận

Slide

Export ONNX

Quantization Demo

Code

[MLEs] Lượng tử theo cấu trúc dữ liệu nào cho tốc độ model nhanh nhất?

[MLEs] Lượng tử nào chạy trên GPU?

Quizz

Video

<ul><li>Lượng tử hóa mô hình</li><li>ONNX</li></ul>

Học máy chính xác thấp

Trong bài tập này chúng ta sẽ học cách lập trình process, cách truy cập chung dữ liệu giữa các process.




Bài tập 3 - Thực hành lập trình Process

- Hướng dẫn làm quen với hệ thống. - Học máy là gì.

Ôn tập Học máy

  * Giới thiệu bài toán Grab
  * Quá trình xây dựng một mô hình
  * Mô hình hồi quy tuyến tính
  * Thuật toán Gradient Descent
  * Lập trình hồi quy tuyến tính một biến
 



Mô hình hồi quy tuyến tính

Khai giảng lớp học

# Bài tập lập trình: Thử nghiệm các mô hình phân loại cảm xúc văn bản
```
ProtonX - MLEs Class
```

### Hướng dẫn làm bài
- Trong bài tập này bạn sẽ sử dụng Python 3.
- Sau khi bạn viết Code của mình xong, hãy chạy dòng Code đó để xem kết quả bên dưới.

### [Quan trọng] Chú ý
- **Không sử dụng hàm `input()` tại bất kỳ dòng lệnh nào**


Các bạn sẽ thực hiện `code` trong các phần hiển thị `#TODO: Lập trình tại đây` và thay thế các vị trí `None`. Có những câu hỏi chỉ cần trả về đáp án.

Sau khi viết xong Code của bạn, bạn hãy ấn "SHIFT"+"ENTER" để thực hiện chạy lệnh của Cell đó.

---
Điểm số:
* 10 điểm / Câu
* Câu cuối 20 điểm

Tiêu chí chấm điểm:
* Các bài tập sẽ được chấm dựa trên các Test-case.


Bài tập 1 - Lập trình HuggingFace

- Thư viện Tensorflow với bài toán phân loại hình ảnh
- Thư viện HuggingFace với bài toán phân loại văn bản

Pytorch + Tensorflow + HuggingFace

# Yêu cầu

### 1. Làm sạch dữ liệu

Đọc các phần tử trong file `sample.json`

Trường `message` của các phần tử sẽ được làm sạch bằng cách xoá tất cả link website có thể có. Ví dụ 

```
MUA NGAY: https://cellphones.com.vn/xiaomi-redmi-note-11-pro.html?utm_source=social&utm_medium=fanpage&utm_campaign=/xiaomi-redmi-note-11-pro.html\n.\n☀
```

Sẽ chỉ được làm sạch còn

```
MUA NGAY: \n.\n☀
```


### 2. Thêm dữ liệu vào database
Tạo database có tên là `raw_data` và thêm các dữ liệu này vào collection `sample`.

Các phần tử được thêm vào colection dưới dạng

```
{
    "_id":
    "id":
    "message":
}
```

### 3. Nộp bài
- Nén project này thành zip và gửi lên hệ thống ProtonX
- Gửi đường dẫn truy cập vào mongoDB của bạn để team ProtonX chạy test chấm bài. Chú ý mở truy cập vào database ở IP: 0.0.0.0/0


Đọc thêm về tiền xử lý dữ liệu văn bản [tại đây](https://web.stanford.edu/~jurafsky/slp3/2.pdf) 


Bài tập 2 - MongoDB

Cách sử dụng DB lưu trữ dữ liệu hiệu quả

MongoDB + Crawl dữ liệu

MLOps

- Tiền xử lý dữ liệu
- Quy trình đảm bảo chất lượng dũ liệu
- Hoàn thiện pipeline

Tiền xử lý dữ liệu + Hoàn thiện pipeline

<ul><li>Sử dụng các thuật toán training. </li><li>Cài đặt các tham số khởi tạo</li></ul>

Các kỹ thuật training hiệu quả

<ul><li>Giới thiệu CPU </li><li>Tính toán song song trên CPUs </li><li>Nhiều lệnh song song (ILP) </li><li>Một lệnh trên nhiều luồng dữ liệu (SIMD) </li><li>Đa luồng (Multi-thread parallelism) </li><li>Phân tán (Distributed Compute) - Bài tập: Lập trình multi threading.</li></ul>

CPUs

GPUs và TPUs<ul><li>Sự khác biệt giữa CPUs và GPUs (tối ưu cho độ trễ và tối ưu cho băng thông)</li><li>Chi tiết kiến trúc của GPU</li><li>Giới thiệu CUDA</li><li>Lập trình CUDA với C++ </li><li>Song song trên GPUs - Thư viện Numba</li></ul>

GPUs

<ul><li>RAM và cơ chế cache </li><li>Đánh giá hiệu năng truy cập dữ liệu</li></ul>

RAM và cơ chế cache của CPUs

<ul><li>Bàn về các phiên bản của TPUs</li><li>Tham số đo quan trọng đo lường tốc độ phần cứng</li><li>TPUs</li><li>Số thực dấu phẩy động</li></ul>

TPUs - Số thực dấu phẩy động

Bài tập lượng tử hóa mô hình.

Cùng lập trình lượng tử hóa mô hình từ đầu

Bài tập 5 - Bài tập lượng tử hóa mô hình

<ul><li>Chắt lọc tri thức</li><li>TensorRT</li></ul>

Chắt lọc tri thức + TensorRT

<ul><li>Docker là gì?</li><li>Phân biệt image và container</li><li>Cài đặt Docker</li><li>Xây dựng Docker Image và chạy docker Container</li><li>Docker container</li></ul>

Docker + Cloud

Thực hành <ul><li>Docker và Cloud</li></ul>

Thực hành Docker và Cloud

- Tại sao cần dùng Intriton Inference Server?
- Cách Deploy mô hình ONNX
- Cách Deploy mô hình Pytorch
- Cách Deploy mô hình Tensorflow
- Concurrent Model Execution
- Instance group
- Dynamic Batching
- Stateful vs Stateless Model
- Migrate từ Flask sang Triton Server

 

Triton Inference Server

Đào tạo phân tán

Giới thiệu về ML Orchestration<ul><li>Thiết kế một flow đơn giản</li><li>Airflow</li><li>Hướng dẫn quy trình học máy với Airflow</li></ul>

Orchestration for Machine Learning: Airflow + DVC

Dự án cuối khóa lớp học MLEs 03<ul><li>Project 1 - Triton Inference Server tập trung vào Client</li><li>Project 2 - Triton Inference Server tập trung vào Server</li><li>Project 3 - Deploy Bert với SQUAD model trên Triton Inference Server</li></ul>

Danh sách chủ đề

Học máy chính xác thấp

1. Slide

1.1. Quantization - v2.pdf

1.2. ONNX.pdf

1.3. Các bài báo quan trọng

1.4. Ánh xạ lượng tử (Quantization Mapping) và chứng minh công thức

1.5. Chi tiết hóa công thức lượng tử trên ma trận

2. Code

2.1. Export ONNX

2.2. Quantization Demo

4. Video

4.1. Video

Bài học