مشخصات کتاب

Applied deep learning with PyTorch: demystify neural networks with PyTorch

ویرایش:  
نویسندگان: Saleh. Hyatt  
سری:  
ISBN (شابک) : 9781789804591, 1789804590 
ناشر: Packt Publishing 
سال نشر: 2019 
تعداد صفحات: 254 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت 

در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد

کلمات کلیدی مربوط به کتاب یادگیری عمیق کاربردی با PyTorch: پاک کردن شبکه های عصبی با PyTorch: فراگیری ماشین

در صورت تبدیل فایل کتاب Applied deep learning with PyTorch: demystify neural networks with PyTorch به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب یادگیری عمیق کاربردی با PyTorch: پاک کردن شبکه های عصبی با PyTorch نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب یادگیری عمیق کاربردی با PyTorch: پاک کردن شبکه های عصبی با PyTorch

پیاده‌سازی تکنیک‌هایی مانند طبقه‌بندی تصویر و پردازش زبان طبیعی (NLP) با درک معماری‌های مختلف شبکه‌های عصبی ویژگی‌های کلیدی درک یادگیری عمیق و چگونگی حل مشکلات پیچیده دنیای واقعی استفاده از یادگیری عمیق برای طبقه‌بندی تصویر و پردازش متن با استفاده از شبکه‌های عصبی توسعه یادگیری عمیق راه‌حل‌هایی برای کارهایی مانند طبقه‌بندی اولیه و حل مشکلات انتقال سبک شرح کتاب یادگیری ماشینی به لطف تنوع زیاد الگوریتم‌های ریاضی که الگوهایی را پیدا می‌کنند که در غیر این صورت برای ما نامرئی هستند، به سرعت به ترجیح داده‌شده‌ترین روش برای حل مسائل داده تبدیل می‌شود. یادگیری عمیق کاربردی با PyTorch درک شما از یادگیری عمیق، الگوریتم‌های آن و کاربردهای آن را به سطح بالاتری می‌برد. این کتاب با کمک به شما در مرور اصول یادگیری عمیق و PyTorch آغاز می شود. هنگامی که با نحو PyTorch آشنا شدید و قادر به ساخت یک شبکه عصبی تک لایه هستید، به تدریج یاد خواهید گرفت که با پیکربندی و آموزش یک شبکه عصبی کانولوشنال (CNN) برای انجام طبقه بندی تصاویر، با مشکلات پیچیده تری مقابله کنید. با پیشرفت در فصل‌ها، متوجه خواهید شد که چگونه می‌توانید یک مشکل NLP را با پیاده‌سازی یک شبکه عصبی تکراری (RNN) حل کنید. در پایان این کتاب، می‌توانید مهارت‌ها و اعتماد به نفسی را که در طول فرآیند یادگیری خود جمع‌آوری کرده‌اید، برای استفاده از PyTorch برای ایجاد راه‌حل‌های یادگیری عمیق که می‌تواند مشکلات داده‌های کسب‌وکار شما را حل کند، به کار ببرید. آنچه خواهید آموخت تشخیص انواع مشکلات داده که می توانید راه حل های یادگیری عمیق را برای آنها اعمال کنید، نحو PyTorch را بیاموزید و با آن یک شبکه عصبی تک لایه بسازید یک شبکه عصبی عمیق برای حل یک مشکل طبقه بندی بسازید یک مدل انتقال سبک ایجاد کنید. و مدل خود را دوباره آموزش دهید سیستمی برای پردازش متن با استفاده از یک شبکه عصبی تکراری بسازید. هر کسی که به دنبال کشف و پیاده سازی الگوریتم های پیشرفته با PyTorch است، این کتاب را نیز مفید خواهد یافت. مقداری دانش کاری پایتون و آشنایی با اصول یادگیری ماشین ضروری است. با این حال، دانش NumPy و پانداها مفید خواهد بود، اما ضروری نیست.

توضیحاتی درمورد کتاب به خارجی

Implement techniques such as image classification and natural language processing (NLP) by understanding the different neural network architectures Key Features Understand deep learning and how it can solve complex real-world problems Apply deep learning for image classification and text processing using neural networks Develop deep learning solutions for tasks such as basic classification and solving style transfer problems Book Description Machine learning is rapidly becoming the most preferred way of solving data problems, thanks to the huge variety of mathematical algorithms that find patterns, which are otherwise invisible to us. Applied Deep Learning with PyTorch takes your understanding of deep learning, its algorithms, and its applications to a higher level. The book begins by helping you browse through the basics of deep learning and PyTorch. Once you are well versed with the PyTorch syntax and capable of building a single-layer neural network, you will gradually learn to tackle more complex data problems by configuring and training a convolutional neural network (CNN) to perform image classification. As you progress through the chapters, you'll discover how you can solve an NLP problem by implementing a recurrent neural network (RNN). By the end of this book, you'll be able to apply the skills and confidence you've gathered along your learning process to use PyTorch for building deep learning solutions that can solve your business data problems. What you will learn Detect a variety of data problems to which you can apply deep learning solutions Learn the PyTorch syntax and build a single-layer neural network with it Build a deep neural network to solve a classification problem Develop a style transfer model Implement data augmentation and retrain your model Build a system for text processing using a recurrent neural network Who this book is for Applied Deep Learning with PyTorch is designed for data scientists, data analysts, and developers who want to work with data using deep learning techniques. Anyone looking to explore and implement advanced algorithms with PyTorch will also find this book useful. Some working knowledge of Python and familiarity with the basics of machine learning are a must. However, knowledge of NumPy and pandas will be beneficial, but not essential.

فهرست مطالب

Table of ContentsIntroduction to Deep Learning and PyTorchBuilding Blocks of Neural NetworksA Classification Problem Using DNNsConvolutional Neural NetworksStyle TransferAnalyzing the Sequence of Data with RNNs

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Compliance in öffentlichen Unternehmen

دانلود کتاب The Society of Equality: Popular Republicanism and Democracy in Santiago de Chile, 1818-1851

دانلود کتاب План-конспект урока в 5 классе по теме Safety Rules

دانلود کتاب Документаційне забезпечення управлінської діяльності. Частина 1

دانلود کتاب Daily Life for the Common People of China, 1850 to 1950: Understanding Chaoben Culture