Książka kucharska PyTorch: Ponad 100 rozwiązań w zakresie RNN, CNN, narzędzi Pythona, rozproszonego szkolenia i sieci grafowych

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.

Oryginalny tytuł:

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

Zawartość książki:

Rozpoczynasz karierę PyTorch Developer i Deep Learning Engineer? Zapoznaj się z "Książką kucharską PyTorch", kompleksowym przewodnikiem zawierającym niezbędne przepisy i rozwiązania dla PyTorch i ekosystemu. Książka obejmuje rozwój głębokiego uczenia PyTorch od początkującego do eksperta w dobrze napisanych rozdziałach.

Książka upraszcza sieci neuronowe, szkolenie, optymalizację i strategie wdrażania rozdział po rozdziale. Pierwsza część obejmuje podstawy PyTorch, wstępne przetwarzanie danych, tokenizację i słownictwo. Następnie buduje CNN, RNN, warstwy uwagi i sieci neuronowe grafów. Książka kładzie nacisk na rozproszone szkolenie, skalowalność i szkolenie z wykorzystaniem wielu procesorów graficznych w rzeczywistych scenariuszach. Praktyczne systemy wbudowane, rozwój mobilny i rozwiązania kompresji modeli oświetlają aplikacje AI na urządzeniach. Książka wykracza jednak poza kod i algorytmy. Oferuje również praktyczne rozwiązywanie problemów i debugowanie dla kompleksowego rozwoju głębokiego uczenia się. "PyTorch Cookbook" obejmuje zbieranie danych do błędów wdrażania i zapewnia szczegółowe rozwiązania w celu ich przezwyciężenia.

Ta książka integruje PyTorch z ONNX Runtime, PySyft, Pyro, Deep Graph Library (DGL), Fastai i Ignite, pokazując, jak używać ich w swoich projektach. Książka ta obejmuje wnioskowanie w czasie rzeczywistym, szkolenie klastrów, obsługę modeli i kompatybilność międzyplatformową. Nauczysz się kodować architektury głębokiego uczenia się, pracować z sieciami neuronowymi i zarządzać etapami rozwoju głębokiego uczenia się. "PyTorch Cookbook" to kompletny podręcznik, który pomoże ci stać się pewnym siebie programistą PyTorch i inteligentnym inżynierem głębokiego uczenia. Przejrzyste przykłady i praktyczne porady sprawiają, że jest to obowiązkowa lektura dla każdego, kto chce korzystać z PyTorch i rozwijać się w głębokim uczeniu.

Kluczowe wnioski.

⬤ Kompleksowe wprowadzenie do PyTorch, wyposażające czytelników w podstawowe umiejętności głębokiego uczenia.

⬤ Praktyczne demonstracje różnych sieci neuronowych, zwiększające zrozumienie poprzez praktyczną praktykę.

⬤ Eksploracja grafowych sieci neuronowych (GNN), otwierająca drzwi do najnowocześniejszych dziedzin badań.

⬤ Dogłębny wgląd w narzędzia i biblioteki PyTorch, rozszerzające możliwości poza podstawowe funkcje.

⬤ Wskazówki krok po kroku dotyczące rozproszonego szkolenia, umożliwiające skalowalne głębokie uczenie się i projekty AI.

⬤ Wgląd w rzeczywiste zastosowania, wypełniający lukę między wiedzą teoretyczną a praktyczną realizacją.

⬤ Skupienie się na programowaniu mobilnym i wbudowanym za pomocą PyTorch, prowadzące do sztucznej inteligencji na urządzeniu.

⬤ Nacisk na obsługę błędów i rozwiązywanie problemów, przygotowując czytelników na rzeczywiste wyzwania.

⬤ Zaawansowane tematy, takie jak wnioskowanie w czasie rzeczywistym i kompresja modeli, zapewniające umiejętności gotowe na przyszłość.

Spis treści.

⬤ Wprowadzenie do PyTorch 2. 0.

⬤ Bloki konstrukcyjne głębokiego uczenia się.

⬤ Konwolucyjne sieci neuronowe.

⬤ Powtarzające się sieci neuronowe.

⬤ Przetwarzanie języka naturalnego.

⬤ Graficzne sieci neuronowe (GNN).

⬤ Praca z popularnymi narzędziami PyTorch.

⬤ Rozproszone szkolenie i skalowalność.

⬤ Rozwój urządzeń mobilnych i wbudowanych.