Ocena:
Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.
Deep Learning with Python: A Hands-On Introduction
Rozdział 1: Intuicyjne spojrzenie na podstawy głębokiego uczenia się w oparciu o praktyczne zastosowaniaRozdział 2: Przegląd aktualnych implementacji bibliotek, narzędzi i pakietów do głębokiego uczenia się oraz przypadek ekosystemu PythonaRozdział 3: Szczegółowe spojrzenie na Keras (1), który jest wysokopoziomowym frameworkiem do głębokiego uczenia się odpowiednim dla początkujących, aby zrozumieć i eksperymentować z głębokim uczeniem sięRozdział 4: Szczegółowe spojrzenie na Theano (2), który jest niskopoziomowym frameworkiem do implementacji architektur i algorytmów w głębokim uczeniu się od podstawRozdział 5: Szczegółowe spojrzenie na Caffe (3), który jest wysoce zoptymalizowanym frameworkiem do implementacji niektórych z najpopularniejszych architektur głębokiego uczenia się (głównie wizji komputerowej)Rozdział 6: Krótkie wprowadzenie do procesorów graficznych i dlaczego zmieniają one zasady gry w głębokim uczeniu sięRozdział 7: Krótkie wprowadzenie do automatycznego różnicowaniaRozdział 8: Krótkie wprowadzenie do Backpropagation i Stochastic Gradient DescentRozdział 9: Przegląd architektur głębokiego uczeniaRozdział 10: Porady dotyczące przeprowadzania eksperymentów na dużą skalę w głębokim uczeniu się i przenoszenia modeli do produkcjiRozdział 11: Wprowadzenie do TensorflowRozdział 12: Wprowadzenie do PyTorchRozdział 13: Techniki regularyzacjiRozdział 14: Trenowanie modeli głębokiego uczenia się.
© Book1 Group - wszelkie prawa zastrzeżone.
Zawartość tej strony nie może być kopiowana ani wykorzystywana w całości lub w części bez pisemnej zgody właściciela.
Ostatnia aktualizacja: 2024.11.13 21:45 (GMT)