Deep Learning mit PyTorch: Ein praktischer Ansatz zur Erstellung von neuronalen Netzwerkmodellen mit PyTorch

Bewertung: ⭐⭐⭐⭐  (3,8 von 5)

Leserbewertungen

Zusammenfassung:

Das Buch über PyTorch erhält gemischte Kritiken. Einige Leser halten es für eine praktische Einführung mit praxisnahen Beispielen, die für Anfänger hilfreich ist. Viele kritisieren jedoch die schlechte Formatierung, zahlreiche Fehler im Code und die mangelnde Tiefe beim Verständnis von Deep-Learning-Konzepten.

Vorteile:

Vertieftes praktisches Wissen über PyTorch, nützlich für Einsteiger, gute praktische Übungsbeispiele, detaillierte Erklärungen zu klassischen Deep-Learning-Modellen, aktualisierter Code auf GitHub verfügbar.

Nachteile:

Schlechte Formatierung, schlechte Benennung von Variablen, viel Copy-Pasting aus Online-Tutorials, Fehler im Code, fehlender Einblick in Deep Learning, unorganisierte Code-Beispiele, einige Leser empfinden es als Geldverschwendung.

(basierend auf 13 Leserbewertungen)

Originaltitel:

Deep Learning with PyTorch: A practical approach to building neural network models using PyTorch

Inhalt des Buches:

Dieses Buch vermittelt die Intuition hinter den aktuellen Deep-Learning-Architekturen wie ResNet, DenseNet, Inception und Encoder-Decoder, ohne dabei tief in die Mathematik einzutauchen.

Es zeigt, wie Sie verschiedene Architekturen implementieren und verwenden können, um Probleme im Bereich der Bildklassifizierung, Sprachübersetzung und NLP mit PyTorch zu lösen.

Weitere Daten des Buches:

• ISBN: 9781788624336
• Autor: Vishnu Subramanian
• Verlag: Packt Pub
• Einband: Taschenbuch