Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.
PyTorch Cookbook: 100+ Solutions across RNNs, CNNs, python tools, distributed training and graph networks
Werfen Sie einen Blick in dieses "PyTorch Cookbook", ein umfassendes Handbuch mit essentiellen Rezepten und Lösungen für PyTorch und das Ökosystem. Das Buch deckt die PyTorch Deep Learning Entwicklung vom Anfänger bis zum Experten in gut geschriebenen Kapiteln ab.
Kapitel für Kapitel werden neuronale Netze, Training, Optimierung und Einsatzstrategien erläutert. Der erste Teil behandelt die Grundlagen von PyTorch, die Vorverarbeitung von Daten, Tokenisierung und Vokabular. Danach werden CNN, RNN, Attentional Layers und Graph Neural Networks aufgebaut. Der Schwerpunkt des Buches liegt auf verteiltem Training, Skalierbarkeit und Multi-GPU-Training für reale Szenarien. Praktische eingebettete Systeme, mobile Entwicklung und Modellkomprimierungslösungen beleuchten KI-Anwendungen auf Geräten. Doch das Buch geht über Code und Algorithmen hinaus. Es bietet auch praktische Fehlerbehebung und Debugging für eine durchgängige Deep-Learning-Entwicklung. Das "PyTorch Cookbook" deckt Fehler bei der Datenerfassung und -bereitstellung ab und bietet detaillierte Lösungen, um diese zu beheben.
Dieses Buch integriert PyTorch mit ONNX Runtime, PySyft, Pyro, Deep Graph Library (DGL), Fastai und Ignite und zeigt Ihnen, wie Sie diese für Ihre Projekte nutzen können. Dieses Buch behandelt Echtzeit-Inferencing, Clustertraining, Model Serving und plattformübergreifende Kompatibilität. Sie lernen, Deep-Learning-Architekturen zu programmieren, mit neuronalen Netzen zu arbeiten und Deep-Learning-Entwicklungsphasen zu verwalten. PyTorch Cookbook" ist ein komplettes Handbuch, das Ihnen helfen wird, ein sicherer PyTorch-Entwickler und ein intelligenter Deep-Learning-Ingenieur zu werden. Seine klaren Beispiele und praktischen Ratschläge machen es zu einer Pflichtlektüre für jeden, der PyTorch nutzen und im Deep Learning vorankommen will.
Key Learnings.
⬤ Umfassende Einführung in PyTorch, die dem Leser grundlegende Fähigkeiten für Deep Learning vermittelt.
⬤ Praktische Demonstrationen verschiedener neuronaler Netze, die das Verständnis durch praktische Übungen vertiefen.
⬤ Erkundung von Graph Neural Networks (GNN), die Türen zu innovativen Forschungsfeldern öffnen.
⬤ Vertiefte Einblicke in PyTorch-Tools und -Bibliotheken, die die Fähigkeiten über die Kernfunktionen hinaus erweitern.
⬤ Schritt-für-Schritt-Anleitung zum verteilten Training, das skalierbare Deep-Learning- und KI-Projekte ermöglicht.
⬤ Einblicke in reale Anwendungen, die die Kluft zwischen theoretischem Wissen und praktischer Umsetzung überbrücken.
⬤ Schwerpunkt auf mobiler und eingebetteter Entwicklung mit PyTorch, die zu On-Device-KI führt.
⬤ Schwerpunkt auf Fehlerbehandlung und Fehlerbehebung, um die Leser auf die Herausforderungen der Praxis vorzubereiten.
⬤ Fortgeschrittene Themen wie Echtzeit-Inferencing und Modellkomprimierung, die den Leser für die Zukunft fit machen.
Inhaltsübersicht.
⬤ Einführung in PyTorch 2. 0.
⬤ Deep Learning Building Blocks.
⬤ Neuronale Netze mit Faltung.
⬤ Rekurrente Neuronale Netze.
⬤ Natürliche Sprachverarbeitung.
⬤ Graphische Neuronale Netze (GNNs)
⬤ Arbeiten mit beliebten PyTorch-Tools.
⬤ Verteiltes Training und Skalierbarkeit.
⬤ Mobile und eingebettete Entwicklung.
| ISBN: | 9788119177967 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
