标签: #ai-platform

한국어English日本語中文

← 全部文章

• AI 平台模型注册表与 A/B 部署流水线设计 2026

  AI 平台模型注册表与 A/B 部署流水线设计。涵盖 MLflow Model Registry、模型版本管理、金丝雀/A/B 部署策略、KServe InferenceService、流量拆分，直至回滚。

  2026-03-04 · 32 分钟阅读 #ai-platform#2026-03

• 用 BentoML 搭建 ML 模型服务流水线：从打包到 Kubernetes 部署

  一份关于用 BentoML 做 ML 模型服务的实战指南。涵盖模型打包、API 实现、多模型流水线、Docker 构建，直到 Kubernetes 部署。

  2026-03-03 · 7 分钟阅读 #ai-platform#bentoml#model-serving#mlops#kubernetes

• 用 Ray Serve 构建可扩展的 LLM 服务流水线

  从 Ray Serve 支撑的 ML/LLM 模型服务核心概念开始，一路讲到多模型流水线、自动伸缩、批量推理与生产部署，并配有代码示例。

  2026-03-03 · 7 分钟阅读 #ai-platform#ray-serve#model-serving#llm#mlops

• Kubeflow Pipelines v2 实战指南 — 用 KFP SDK 构建 ML 流水线

  一份使用 Kubeflow Pipelines v2 的 KFP SDK 构建 ML 流水线的实战指南。以代码为中心，涵盖组件定义、流水线编写、Artifact 管理直至 Kubernetes 部署。

  2026-03-03 · 25 分钟阅读 #ai-platform#kubeflow#kfp#mlops#pipeline

• MLflow 完全指南：从实验追踪到 Model Registry、生产部署

  通过动手实践，使用 MLflow 完成 ML 实验管理的完整工作流程。用 Tracking 记录实验，用 Model Registry 进行版本管理，直至完成生产部署。

  2026-03-03 · 21 分钟阅读 #ai-platform#mlflow#experiment-tracking#model-registry#mlops

• torchaudio 完全指南 — 从音频处理到语音识别、TTS、音乐分析

  用 torchaudio 讲透音频加载、频谱图变换、Mel 滤波器组、MFCC、语音识别(Wav2Vec2/Whisper)、TTS、说话人分离、降噪。音频 AI 的方方面面，全部用 PyTorch 覆盖。

  2026-03-02 · 10 分钟阅读 #ai-platform#pytorch#torchaudio#audio#speech-recognition

• torchvision 完全指南 — 从图像分类到 Object Detection、Segmentation

  从 torchvision 的 transforms v2、预训练模型（ResNet〜ViT）、数据集，到 Object Detection（Faster R-CNN、YOLO）、Segmentation，再到实战微调。用 PyTorch 全面掌握计算机视觉实务。

  2026-03-02 · 10 分钟阅读 #ai-platform#pytorch#torchvision#computer-vision#cnn

• LangGraph 智能体工作流实战指南：从多智能体编排到生产部署

  用 LangGraph 构建状态化的 AI 智能体工作流。涵盖 StateGraph、条件路由、多智能体编排、Human-in-the-Loop，以及 LangGraph Platform 部署，全程附带实战代码。

  2026-03-02 · 8 分钟阅读 #langgraph#langchain#ai-agent#workflow#multi-agent