Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 6 Stimmen.
Deep Learning with Python: Learn Best Practices of Deep Learning Models with Pytorch
Beherrschen Sie die praktischen Aspekte der Implementierung von Deep-Learning-Lösungen mit PyTorch, indem Sie einen praxisorientierten Ansatz zum Verständnis von Theorie und Praxis verwenden. Diese aktualisierte Ausgabe bereitet Sie auf die Anwendung von Deep Learning auf reale Probleme vor - mit einer soliden theoretischen Grundlage und praktischem Know-how mit PyTorch, einer von der Artificial Intelligence Research Group von Facebook entwickelten Plattform.
Sie erhalten zunächst einen Überblick darüber, wie und warum sich Deep Learning mit PyTorch als bahnbrechendes Framework mit einer Reihe von Werkzeugen und Techniken zur Lösung von Problemen in der realen Welt entwickelt hat. Anschließend werden Sie mit den mathematischen Grundlagen der linearen Algebra, der Vektorrechnung, der Wahrscheinlichkeitsrechnung und der Optimierung vertraut gemacht. Nachdem diese Grundlagen geschaffen wurden, werden Sie zu den Schlüsselkomponenten und Funktionen von PyTorch übergehen, einschließlich Schichten, Verlustfunktionen und Optimierungsalgorithmen.
Sie werden auch ein Verständnis für GPU-basierte Berechnungen erlangen, die für das Training von Deep-Learning-Modellen unerlässlich sind. Es werden alle wichtigen Architekturen des Deep Learning behandelt, darunter Feedforward-Netze, neuronale Faltungsnetze, rekurrente neuronale Netze, Netze mit Langzeitgedächtnis, Autocodierer und generative adversarische Netze. Unterstützt durch eine Reihe von Tricks für das Training und die Optimierung von Deep-Learning-Modellen, erklärt diese Ausgabe von Deep Learning mit Python die besten Praktiken, um diese Modelle mit PyTorch in die Produktion zu bringen.
(Was Sie lernen werden)
⬤ Grundlagen des maschinellen Lernens wie Overfitting, Underfitting und Regularisierung wiederholen.
⬤ Grundlagen des Deep Learning wie Feed-Forward-Netze, neuronale Netze mit Faltung, rekurrente neuronale Netze, automatische Differenzierung und stochastischer Gradientenabstieg verstehen.
⬤ Grundlagen der linearen Algebra mit PyTorch anwenden.
⬤ Erforschen Sie die Grundlagen von PyTorch und seine Bausteine.
⬤ Arbeiten Sie mit Tuning und Optimierung von Modellen.
Für wen ist dieses Buch geeignet?
Anfänger mit Python-Kenntnissen, die Deep Learning auf praktische Art und Weise verstehen wollen.
| ISBN: | 9781484253632 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2021 |
| Seitenzahl: | 306 |
Derzeit verfügbar, auf Lager.
