Bewertung:
Das Buch ist eine umfassende und gut strukturierte Einführung in Deep Learning mit PyTorch, die sich sowohl für Anfänger als auch für fortgeschrittene Leser eignet. Es deckt eine breite Palette von Themen ab, von der Datenverarbeitung bis zur Modellbereitstellung, mit klaren Erklärungen und praktischen Codebeispielen.
Vorteile:Das Buch ist gut geschrieben und lesbar und vermittelt ein gründliches Verständnis von Deep-Learning-Konzepten. Es enthält Schritt-für-Schritt-Codebeispiele, Screenshots für Anwendungen und deckt eine Reihe von Themen wie Datenverarbeitung, Fehleranalyse und Modellimplementierung ab. Es wird besonders dafür gelobt, dass es sich als Einführungslektüre für Anfänger eignet.
Nachteile:In den Rezensionen wurden keine nennenswerten Nachteile festgestellt.
(basierend auf 3 Leserbewertungen)
The Deep Learning with PyTorch Workshop: Build deep neural networks and artificial intelligence applications with PyTorch
Verschaffen Sie sich einen Vorsprung in der Welt der KI und des Deep Learning, indem Sie Ihre Fähigkeiten mit PyTorch ausbauen.
Hauptmerkmale
⬤ Lernen Sie, wie Sie Ihre eigene Netzwerkarchitektur im Deep Learning definieren.
⬤ Implementieren Sie hilfreiche Methoden zum Erstellen und Trainieren eines Modells mit PyTorch-Syntax.
⬤ Entdecken Sie, wie intelligente Anwendungen mit Funktionen wie Bilderkennung und Spracherkennung Ihre Daten wirklich verarbeiten.
Buchbeschreibung
Möchten Sie eine der beliebtesten Bibliotheken für maschinelles Lernen in den Griff bekommen? Der Deep Learning with PyTorch Workshop hilft Ihnen genau dabei, indem er Ihnen den Einstieg in die Nutzung von PyTorch für Deep Learning erleichtert, selbst wenn Sie ganz neu anfangen.
Es ist keine Überraschung, dass die Popularität von Deep Learning in den letzten Jahren stark zugenommen hat, dank intelligenter Anwendungen wie selbstfahrenden Fahrzeugen, Chatbots und sprachgesteuerten Assistenten, die unser Leben einfacher machen. Dieses Buch nimmt Sie mit in die Welt des Deep Learning, wo Sie PyTorch verwenden werden, um die Komplexität neuronaler Netzwerkarchitekturen zu verstehen.
Der Deep Learning mit PyTorch Workshop beginnt mit einer Einführung in Deep Learning und seine Anwendungen. Sie lernen die Syntax von PyTorch kennen und erfahren, wie Sie eine Netzwerkarchitektur definieren und ein Modell trainieren. Als Nächstes lernen Sie die drei wichtigsten neuronalen Netzwerkarchitekturen kennen - Faltungsnetzwerke, künstliche Netzwerke und rekurrente Netzwerke - und lösen sogar reale Datenprobleme mit diesen Netzwerken. In späteren Kapiteln erfahren Sie, wie Sie ein Style-Transfer-Modell erstellen, um aus zwei Bildern ein neues Bild zu entwickeln, und schließlich lernen Sie, wie RNNs Speicher speichern, um wichtige Datenprobleme zu lösen.
Am Ende dieses Buches werden Sie die wesentlichen Konzepte, Werkzeuge und Bibliotheken von PyTorch beherrschen, um Ihre eigenen tiefen neuronalen Netze und intelligenten Anwendungen zu entwickeln.
(Was Sie lernen werden)
⬤ Erforschen Sie die verschiedenen Anwendungen des Deep Learning.
⬤ Verstehen Sie den PyTorch-Ansatz zum Aufbau neuronaler Netze.
⬤ Erstellen und trainieren Sie Ihr eigenes Perceptron mit PyTorch.
⬤ Lösen Sie Regressionsprobleme mit künstlichen neuronalen Netzen (ANNs)
⬤ Computer-Vision-Probleme mit Faltungsneuronalen Netzen (CNNs) bewältigen
⬤ Sprachübersetzungsaufgaben mit rekurrenten neuronalen Netzen (RNNs) lösen
Für wen dieses Buch gedacht ist
Dieses Deep-Learning-Buch ist ideal für alle, die Deep-Learning-Modelle mit PyTorch erstellen und trainieren möchten. Ein solides Verständnis der Programmiersprache Python und ihrer Pakete wird Ihnen helfen, die in diesem Buch behandelten Themen schneller zu erfassen.
| ISBN: | 9781838989217 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
