Bewertung:
Das Buch dient als Einführung in PyTorch und Deep Learning und bietet einen zusammenhängenden Überblick über verschiedene Architekturen und Techniken. Obwohl es praktische Beispiele und kritische Schritte im Lernprozess enthält, wurde es wegen Codefehlern, mangelnder Tiefe und übermäßiger Grundkenntnisse kritisiert.
Vorteile:⬤ Deckt ein breites Spektrum an Architekturen und Techniken ab
⬤ dient als gute Einführung in PyTorch
⬤ enthält praktische Beispiele und Projekte
⬤ organisiert den Inhalt gut
⬤ bietet kritische Tipps für Praktiker
⬤ enthält Online-Referenzen.
⬤ Code-Beispiele sind oft nicht lauffähig
⬤ viele Fehler und Tippfehler im Code
⬤ mangelnde Tiefe in den Themen
⬤ einige Inhalte fühlen sich recycelt oder unvollständig an
⬤ in schwarz-weiß gedruckt
⬤ möglicherweise nicht für fortgeschrittene Lernende geeignet.
(basierend auf 19 Leserbewertungen)
Programming Pytorch for Deep Learning: Creating and Deploying Deep Learning Applications
Machen Sie die nächsten Schritte zur Beherrschung von Deep Learning, der Methode des maschinellen Lernens, die die Welt um uns herum sekündlich verändert. In diesem praktischen Buch lernen Sie die wichtigsten Ideen mithilfe des Open-Source-Frameworks PyTorch von Facebook kennen und erwerben die neuesten Fähigkeiten, die Sie benötigen, um Ihre eigenen neuronalen Netzwerke zu erstellen.
Ian Pointer zeigt Ihnen, wie Sie PyTorch in einer Cloud-basierten Umgebung einrichten, und führt Sie dann durch die Erstellung neuronaler Architekturen, die Operationen mit Bildern, Ton, Text und mehr erleichtern, indem er in jedes Element eintaucht. Er deckt auch die kritischen Konzepte der Anwendung von Transfer Learning auf Bilder, das Debugging von Modellen und PyTorch in der Produktion ab.
⬤ Lernen Sie, wie man Deep-Learning-Modelle in der Produktion einsetzt.
⬤ Erforschen Sie PyTorch-Anwendungsfälle von mehreren führenden Unternehmen.
⬤ Lernen Sie, wie man Transfer Learning auf Bilder anwendet.
⬤ Wenden Sie modernste NLP-Techniken an, indem Sie ein auf Wikipedia trainiertes Modell verwenden.
⬤ Verwenden Sie die PyTorch-Bibliothek torchaudio, um Audiodaten mit einem faltungsbasierten Modell zu klassifizieren.
⬤ PyTorch-Modelle mit TensorBoard und Flame-Graphen zu debuggen.
⬤ PyTorch-Anwendungen in der Produktion in Docker-Containern und Kubernetes-Clustern in der Google Cloud einsetzen.
| ISBN: | 9781492045359 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2019 |
| Seitenzahl: | 225 |
Derzeit verfügbar, auf Lager.
