中文 | English
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
- 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。
本书分为基础篇、进阶篇和扩展篇三个部分：
| 章节 | 内容 |
|---|---|
| 编程接口 | 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 | 计算图基本构成、生成方法、调度策略、自动微分 |
| 章节 | 内容 |
|---|---|
| 编译器前端和中间表示 | 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 | 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 | GPU/Ascend 架构原理、高性能编程接口（CUDA/CANN） |
| 数据处理框架 | 易用性、高效性、保序性、分布式数据处理 |
| 模型部署 | 模型转换、模型压缩、模型推理、安全保护 |
| 分布式训练 | 数据并行、模型并行、流水线并行、集合通讯、参数服务器 |
| 章节 | 内容 |
|---|---|
| 深度学习推荐系统 | 推荐系统原理、大规模工业场景架构设计 |
| 联邦学习系统 | 联邦学习方法、隐私保护、系统实现 |
| 强化学习系统 | 单智能体/多智能体强化学习系统 |
| 可解释性 AI 系统 | 可解释 AI 方法与落地实践 |
| 机器人学习系统 | 机器人感知、规划、控制与系统安全 |
- Python >= 3.10
- pandoc >= 2.19
# 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.txtsh build_html.sh
# 生成结果在 _build/html/更多细节请参考 构建指南。
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，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：
扫码加入微信交流群
本项目采用 知识共享 署名-非商业性使用-相同方式共享 4.0 国际许可协议 授权。
