Cartea de bucate PyTorch: 100+ Soluții în RNNs, CNNs, instrumente python, instruire distribuită și rețele grafice

Recenzii ale cititorilor

În prezent, nu există recenzii ale cititorilor. Evaluarea se bazează pe 2 voturi.

Titlul original:

PyTorch Cookbook: 100+ Solutions across RNNs, CNNs, python tools, distributed training and graph networks

Conținutul cărții:

Începeți o carieră de dezvoltator PyTorch și inginer de învățare profundă? Consultați această "Carte de bucate PyTorch", un ghid cuprinzător cu rețete și soluții esențiale pentru PyTorch și ecosistem. Cartea acoperă dezvoltarea învățării profunde PyTorch de la începător la expert în capitole bine scrise.

Cartea simplifică rețelele neuronale, strategiile de formare, optimizare și implementare capitol cu capitol. Prima parte acoperă elementele de bază PyTorch, preprocesarea datelor, tokenizarea și vocabularul. Apoi, construiește CNN, RNN, straturi atenționale și rețele neuronale grafice. Cartea pune accentul pe instruirea distribuită, scalabilitate și instruire multi-GPU pentru scenarii din lumea reală. Sistemele încorporate practice, dezvoltarea mobilă și soluțiile de compresie a modelelor luminează aplicațiile AI pe dispozitiv. Cu toate acestea, cartea merge dincolo de cod și algoritmi. De asemenea, oferă depanare practică și depanare pentru dezvoltarea end-to-end a învățării profunde. 'PyTorch Cookbook' acoperă de la colectarea datelor la erorile de implementare și oferă soluții detaliate pentru a le depăși.

Această carte integrează PyTorch cu ONNX Runtime, PySyft, Pyro, Deep Graph Library (DGL), Fastai și Ignite, arătându-vă cum să le utilizați pentru proiectele dumneavoastră. Această carte acoperă inferența în timp real, formarea de grupuri, servirea modelelor și compatibilitatea între platforme. Veți învăța să codificați arhitecturi de învățare profundă, să lucrați cu rețele neuronale și să gestionați etapele de dezvoltare a învățării profunde. 'PyTorch Cookbook' este un manual complet care vă va ajuta să deveniți un dezvoltator PyTorch încrezător și un inginer Deep Learning inteligent. Exemplele sale clare și sfaturile practice îl fac o lectură obligatorie pentru oricine dorește să utilizeze PyTorch și să avanseze în învățarea profundă.

Învățături cheie.

⬤ Introducere cuprinzătoare la PyTorch, echipând cititorii cu abilități fundamentale pentru învățarea profundă.

⬤ Demonstrații practice ale diferitelor rețele neuronale, îmbunătățind înțelegerea prin practică.

⬤ Explorarea rețelelor neuronale grafice (GNN), deschizând ușile către domenii de cercetare de ultimă oră.

⬤ Vedere aprofundată a instrumentelor și bibliotecilor PyTorch, extinzând capacitățile dincolo de funcțiile de bază.

⬤ Orientare pas cu pas privind instruirea distribuită, permițând proiecte scalabile de învățare profundă și AI.

⬤ Vizualizarea aplicațiilor din lumea reală, reducând decalajul dintre cunoștințele teoretice și execuția practică.

⬤ Focus pe dezvoltarea mobilă și încorporată cu PyTorch, conducând la AI pe dispozitiv.

⬤  Accent pe gestionarea erorilor și depanarea, pregătind cititorii pentru provocările din lumea reală.

⬤ Subiecte avansate, cum ar fi inferența în timp real și comprimarea modelului, oferind abilități pregătite pentru viitor.

Tabel de conținut.

⬤ Introducere la PyTorch 2. 0.

⬤ Blocurile de construcție ale învățării profunde.

⬤ Rețele neuronale evolutive.

⬤ Rețele neuronale recurente.

⬤ Procesarea limbajului natural.

⬤ Rețele neuronale grafice (GNN)

⬤ Lucrul cu instrumentele populare PyTorch.

⬤ Distributed Training and Scalability.

⬤ Dezvoltare mobilă și încorporată.