Mastering PyTorch: Construiți arhitecturi puternice de rețele neuronale utilizând caracteristicile avansate PyTorch 1.x

Recenzii ale cititorilor

Cartea este o resursă practică pentru învățarea PyTorch și deep learning, oferind o abordare practică a diferitelor arhitecturi și concepte din domeniu. Ea acoperă implementarea modelelor, producționalizarea și oferă exerciții pentru a spori înțelegerea. În timp ce mulți utilizatori o laudă pentru claritatea și acoperirea cuprinzătoare, unii o critică pentru exemplele de cod incomplete.

⬤ Abordare practică, hands-on pentru a învăța PyTorch și deep learning.
⬤ Acoperire cuprinzătoare a subiectelor majore, cum ar fi CNN-urile, LSTM-urile, GAN-urile și învățarea prin consolidare.
⬤ Exerciții utile în fiecare capitol pentru o mai bună înțelegere.
⬤ Bun atât pentru începători, cât și pentru cei care au o anumită familiaritate cu învățarea profundă.
⬤ Explicații clare cu diagrame intuitive.

⬤ Unele exemple de cod sunt incomplete sau prezentate ca pseudocod, ducând la frustrare.
⬤ Anumiți utilizatori au întâmpinat probleme la execuția codului furnizat.
⬤ Profunzimea teoriei matematice poate fi insuficientă pentru cei care caută un tratament mai riguros.

(pe baza a 10 recenzii ale cititorilor)

Titlul original:

Mastering PyTorch: Build powerful neural network architectures using advanced PyTorch 1.x features

Conținutul cărții:

Stăpânește tehnici și algoritmi avansați pentru învățarea profundă cu PyTorch folosind exemple din lumea reală

Caracteristici principale

⬤ Înțelegeți cum să utilizați PyTorch 1. x pentru a construi modele avansate de rețele neuronale.

⬤ Învățați să efectuați o gamă largă de sarcini prin implementarea algoritmilor și tehnicilor de învățare profundă.

⬤ Obțineți expertiză în domenii precum viziunea pe calculator, NLP, Deep RL, Explainable AI și multe altele.

Descrierea cărții

Învățarea profundă este motorul revoluției AI, iar PyTorch face mai ușor ca niciodată pentru oricine să construiască aplicații de învățare profundă. Această carte PyTorch vă va ajuta să descoperiți tehnici de specialitate pentru a obține maximum din datele dvs. și pentru a construi modele complexe de rețele neuronale.

Cartea începe cu o prezentare generală rapidă a PyTorch și explorează utilizarea arhitecturilor rețelelor neuronale convoluționale (CNN) pentru clasificarea imaginilor. Veți lucra apoi cu arhitecturi de rețele neuronale recurente (RNN) și transformatoare pentru analiza sentimentelor. Pe măsură ce avansați, veți aplica învățarea profundă în diferite domenii, cum ar fi muzica, textul și generarea de imagini utilizând modele generative și veți explora lumea rețelelor adversariale generative (GAN). Nu numai că veți construi și vă veți antrena propriile modele de învățare profundă prin consolidare în PyTorch, dar veți și implementa modele PyTorch în producție folosind sfaturi și tehnici de specialitate. În cele din urmă, vă veți familiariza cu antrenarea eficientă a modelelor mari într-o manieră distribuită, căutarea eficientă a arhitecturilor neuronale cu AutoML și prototiparea rapidă a modelelor utilizând PyTorch și fast. ai.

Până la sfârșitul acestei cărți PyTorch, veți fi capabil să efectuați sarcini complexe de învățare profundă utilizând PyTorch pentru a construi modele inteligente de inteligență artificială.

Ce veți învăța

⬤ Implementați modele generatoare de text și muzică utilizând PyTorch.

⬤ Construiți un model deep Q-network (DQN) în PyTorch.

⬤ Exportați modele universale PyTorch utilizând Open Neural Network Exchange (ONNX)

⬤ Deveniți cunoscători ai prototipurilor rapide folosind PyTorch cu. ai.

⬤ Efectuați căutări eficiente de arhitecturi neuronale utilizând AutoML.

⬤ Interpretați cu ușurință modele de învățare automată (ML) scrise în PyTorch utilizând Captum.

⬤ Desenați ResNets, LSTMs, Transformers și multe altele folosind PyTorch.

⬤ Aflați cum să utilizați PyTorch pentru instruirea distribuită folosind torch. distributed API.

Pentru cine este această carte

Această carte este destinată oamenilor de știință din domeniul datelor, cercetătorilor din domeniul învățării automate și practicienilor din domeniul învățării profunde care doresc să implementeze paradigme avansate de învățare profundă utilizând PyTorch 1. x. Sunt necesare cunoștințe practice de învățare profundă cu programare Python.