A Pytorch programozása a mélytanuláshoz: Deep Learning alkalmazások létrehozása és telepítése

Olvasói vélemények

A könyv bevezetésként szolgál a PyTorch és a mélytanulás témakörébe, összefüggő áttekintést nyújt a különböző architektúrákról és technikákról. Bár gyakorlati példákat és a tanulási folyamat kritikus lépéseit is tartalmazza, kritikák érik a kódhibák, a mélység hiánya és a túlzottan egyszerűség miatt.

⬤ Az architektúrák és technikák széles körét lefedi
⬤ jó bevezetésként szolgál a PyTorch-ba
⬤ gyakorlati példák és projektek
⬤ jól szervezi a tartalmat
⬤ kritikus tippeket ad a gyakorlati szakembereknek
⬤ online hivatkozásokat tartalmaz.

⬤ A kódpéldák gyakran nem futtathatóak
⬤ sok hiba és elgépelés van a kódban
⬤ nem elég mély a témákban
⬤ egyes tartalmak újrahasznosítottnak vagy hiányosnak tűnnek
⬤ fekete-fehérben nyomtatott
⬤ nem feltétlenül alkalmas haladó tanulóknak.

(19 olvasói vélemény alapján)

Eredeti címe:

Programming Pytorch for Deep Learning: Creating and Deploying Deep Learning Applications

Könyv tartalma:

Tegye meg a következő lépéseket a mélytanulás, a gépi tanulási módszer elsajátítása felé, amely másodpercről másodpercre alakítja át a körülöttünk lévő világot. Ebben a gyakorlatias könyvben a Facebook nyílt forráskódú PyTorch keretrendszerének segítségével elsajátíthatod a legfontosabb ötleteket, és elsajátíthatod a legújabb ismereteket, amelyekkel saját neurális hálózatokat hozhatsz létre.

Ian Pointer megmutatja, hogyan állíthatod be a PyTorch-ot egy felhőalapú környezetben, majd az egyes elemek mélyreható vizsgálatán keresztül végigvezet a képekkel, hangokkal, szövegekkel és más elemekkel végzett műveleteket megkönnyítő neurális architektúrák létrehozásán. Kitér továbbá a transzfer tanulás képekre való alkalmazásának, a modellek hibakeresésének és a PyTorch termelésben való alkalmazásának kritikus fogalmaira is.

⬤ Tanulja meg, hogyan lehet a mélytanulási modelleket a termelésbe telepíteni.

⬤ Tapasztalja meg a PyTorch felhasználási eseteit több vezető vállalatnál.

⬤ Tanulja meg, hogyan alkalmazza a transzfer tanulást képekre.

⬤  Alkalmazza a legmodernebb NLP technikákat a Wikipédián képzett modell segítségével.

⬤ Használja a PyTorch torchaudio könyvtárát audio adatok osztályozására egy konvolúciós alapú modellel.

⬤ TensorBoard és lánggráfok segítségével hibakeresés a PyTorch modellekben.

⬤ PyTorch alkalmazások telepítése termelésben a Google Cloudon futó Docker konténerekben és Kubernetes fürtökben.