Ocena:
Książka jest kompleksowym i dobrze zorganizowanym wprowadzeniem do głębokiego uczenia się przy użyciu PyTorch, odpowiednim dla początkujących i średnio zaawansowanych czytelników. Obejmuje szeroki zakres tematów, od przetwarzania danych po wdrażanie modeli, z jasnymi wyjaśnieniami i praktycznymi przykładami kodu.
Zalety:Książka jest dobrze napisana i czytelna, zapewniając dogłębne zrozumienie koncepcji głębokiego uczenia. Zawiera przykłady kodu krok po kroku, zrzuty ekranu aplikacji i obejmuje szereg tematów, takich jak przetwarzanie danych, analiza błędów i wdrażanie modeli. Jest szczególnie chwalony za swoją przydatność jako źródło wprowadzające dla początkujących.
Wady:W recenzjach nie odnotowano żadnych istotnych wad.
(na podstawie 3 opinii czytelników)
The Deep Learning with PyTorch Workshop: Build deep neural networks and artificial intelligence applications with PyTorch
Zdobądź przewagę w świecie sztucznej inteligencji i głębokiego uczenia się, rozwijając swoje umiejętności dzięki PyTorch
Kluczowe cechy
⬤ Dowiedz się, jak zdefiniować własną architekturę sieci w uczeniu głębokim.
⬤ Wdrożenie pomocnych metod tworzenia i trenowania modelu przy użyciu składni PyTorch.
⬤ Odkryj, jak inteligentne aplikacje wykorzystujące takie funkcje jak rozpoznawanie obrazów i mowy naprawdę przetwarzają dane.
Opis książki
Chcesz poznać jedną z najpopularniejszych bibliotek uczenia maszynowego do głębokiego uczenia? Warsztat Deep Learning with PyTorch pomoże ci to zrobić, poszerzając twoją wiedzę na temat korzystania z PyTorch do głębokiego uczenia się, nawet jeśli zaczynasz od zera.
Nic dziwnego, że popularność uczenia głębokiego gwałtownie wzrosła w ciągu ostatnich kilku lat, dzięki inteligentnym aplikacjom, takim jak autonomiczne pojazdy, chatboty i asystenci aktywowani głosem, które ułatwiają nam życie. Ta książka zabierze Cię do świata głębokiego uczenia, gdzie użyjesz PyTorch, aby zrozumieć złożoność architektur sieci neuronowych.
Warsztaty Deep Learning with PyTorch rozpoczynają się od wprowadzenia do głębokiego uczenia i jego zastosowań. Poznasz składnię PyTorch i dowiesz się, jak zdefiniować architekturę sieci i wytrenować model. Następnie poznasz trzy główne architektury sieci neuronowych - splotową, sztuczną i rekurencyjną - a nawet rozwiążesz rzeczywiste problemy z danymi przy użyciu tych sieci. Późniejsze rozdziały pokażą ci, jak stworzyć model transferu stylu, aby stworzyć nowy obraz z dwóch obrazów, a na koniec pokażą ci, jak sieci RNN przechowują pamięć, aby rozwiązać kluczowe problemy związane z danymi.
Pod koniec tej książki opanujesz podstawowe koncepcje, narzędzia i biblioteki PyTorch, aby tworzyć własne głębokie sieci neuronowe i inteligentne aplikacje.
Czego się nauczysz
⬤ Poznasz różne zastosowania głębokiego uczenia.
⬤ Zrozumieć podejście PyTorch do budowania sieci neuronowych.
⬤ Stworzyć i wytrenować swój własny perceptron przy użyciu PyTorch.
⬤ Rozwiązywanie problemów z regresją przy użyciu sztucznych sieci neuronowych (ANN).
⬤ rozwiązywanie problemów związanych z widzeniem komputerowym przy użyciu konwolucyjnych sieci neuronowych (CNN)
⬤ Wykonywać zadania związane z tłumaczeniem językowym przy użyciu rekurencyjnych sieci neuronowych (RNN).
Dla kogo jest ta książka
Ta książka o głębokim uczeniu się jest idealna dla każdego, kto chce tworzyć i trenować modele głębokiego uczenia się przy użyciu PyTorch. Solidne zrozumienie języka programowania Python i jego pakietów pomoże szybciej zrozumieć tematy poruszane w książce.
© 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)