مشخصات کتاب

Mastering PyTorch

ویرایش:  
نویسندگان: Ashish Ranjan Jha,  Dr. Gopinath Pillai  
سری:  
ISBN (شابک) : 9781789614381 
ناشر: Packt Publishing 
سال نشر: 2021 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 19 مگابایت 

در صورت تبدیل فایل کتاب Mastering 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 تسلط بر 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 تسلط بر PyTorch

تسلط بر تکنیک‌ها و الگوریتم‌های پیشرفته برای یادگیری عمیق با PyTorch با استفاده از مثال‌های واقعی ویژگی‌های کلیدی* درک نحوه استفاده از PyTorch 1.x برای ساخت مدل‌های شبکه عصبی پیشرفته* یادگیری انجام طیف وسیعی از وظایف با پیاده‌سازی الگوریتم‌ها و تکنیک‌های یادگیری عمیق* کسب تخصص در حوزه‌هایی مانند بینایی کامپیوتر، NLP، Deep RL، AI توضیح‌پذیر، و موارد دیگر. کتاب توضیحات یادگیری عمیق باعث انقلاب هوش مصنوعی می‌شود و PyTorch ساخت برنامه‌های یادگیری عمیق را برای هر کسی آسان‌تر از همیشه می‌کند. این کتاب PyTorch به شما کمک می‌کند تا تکنیک‌های متخصص را کشف کنید تا از داده‌های خود بیشترین بهره را ببرید و مدل‌های شبکه عصبی پیچیده بسازید. این کتاب با مروری سریع از PyTorch شروع می‌شود و با استفاده از معماری‌های شبکه عصبی کانولوشن (CNN) برای طبقه‌بندی تصاویر مورد بررسی قرار می‌گیرد. سپس با معماری‌ها و ترانسفورماتورهای شبکه عصبی بازگشتی (RNN) برای تحلیل احساسات کار خواهید کرد. همانطور که پیشرفت می کنید، یادگیری عمیق را در حوزه های مختلف، مانند تولید موسیقی، متن، و تصویر با استفاده از مدل های مولد و کاوش در دنیای شبکه های متخاصم مولد (GAN) اعمال خواهید کرد. شما نه تنها مدل‌های یادگیری تقویتی عمیق خود را در PyTorch می‌سازید و آموزش می‌دهید، بلکه مدل‌های PyTorch را نیز با استفاده از نکات و تکنیک‌های متخصص در تولید به کار می‌گیرید. در نهایت، با آموزش مدل‌های بزرگ به‌طور کارآمد به شیوه‌ای توزیع‌شده، جستجوی مؤثر معماری‌های عصبی با AutoML، و نمونه‌سازی سریع مدل‌ها با استفاده از PyTorch و fast.ai آشنا خواهید شد. در پایان این کتاب PyTorch، شما قادر خواهید بود کارهای پیچیده یادگیری عمیق را با استفاده از PyTorch برای ساخت مدل‌های هوش مصنوعی هوشمند انجام دهید. آنچه خواهید آموخت (ONNX)* با استفاده از PyTorch با fast.ai با نمونه سازی سریع به خوبی آشنا شوید* جستجوی معماری عصبی را به طور موثر با استفاده از AutoML انجام دهید* به راحتی مدل های یادگیری ماشین (ML) نوشته شده در PyTorch را با استفاده از Captum* Design ResNets، LSTMs، Transformers و موارد دیگر با استفاده از آن تفسیر کنید. PyTorch* نحوه استفاده از PyTorch را برای آموزش توزیع شده با استفاده از torch.distributed API این کتاب برای دانشمندان داده، محققان یادگیری ماشین و تمرین‌کنندگان یادگیری عمیق بیابید که به دنبال پیاده‌سازی پارادایم‌های یادگیری عمیق پیشرفته با استفاده از PyTorch 1.x هستند. دانش کاری یادگیری عمیق با برنامه نویسی پایتون مورد نیاز است.

توضیحاتی درمورد کتاب به خارجی

Master advanced techniques and algorithms for deep learning with PyTorch using real-world examplesKey Features* Understand how to use PyTorch 1.x to build advanced neural network models* Learn to perform a wide range of tasks by implementing deep learning algorithms and techniques* Gain expertise in domains such as computer vision, NLP, Deep RL, Explainable AI, and much moreBook DescriptionDeep learning is driving the AI revolution, and PyTorch is making it easier than ever before for anyone to build deep learning applications. This PyTorch book will help you uncover expert techniques to get the most out of your data and build complex neural network models.The book starts with a quick overview of PyTorch and explores using convolutional neural network (CNN) architectures for image classification. You'll then work with recurrent neural network (RNN) architectures and transformers for sentiment analysis. As you advance, you'll apply deep learning across different domains, such as music, text, and image generation using generative models and explore the world of generative adversarial networks (GANs). You'll not only build and train your own deep reinforcement learning models in PyTorch but also deploy PyTorch models to production using expert tips and techniques. Finally, you'll get to grips with training large models efficiently in a distributed manner, searching neural architectures effectively with AutoML, and rapidly prototyping models using PyTorch and fast.ai.By the end of this PyTorch book, you'll be able to perform complex deep learning tasks using PyTorch to build smart artificial intelligence models.What you will learn* Implement text and music generating models using PyTorch* Build a deep Q-network (DQN) model in PyTorch* Export universal PyTorch models using Open Neural Network Exchange (ONNX)* Become well-versed with rapid prototyping using PyTorch with fast.ai* Perform neural architecture search effectively using AutoML* Easily interpret machine learning (ML) models written in PyTorch using Captum* Design ResNets, LSTMs, Transformers, and more using PyTorch* Find out how to use PyTorch for distributed training using the torch.distributed APIWho this book is forThis book is for data scientists, machine learning researchers, and deep learning practitioners looking to implement advanced deep learning paradigms using PyTorch 1.x. Working knowledge of deep learning with Python programming is required.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب The Trial of Democracy: Black Suffrage and Northern Republicans, 1860-1910

دانلود کتاب Pimsleur Finnish Level 1: Learn to Speak and Understand Finnish with Pimsleur Language Programs

دانلود کتاب Le Charroi de Nîmes : Chanson de geste du Cycle de Guillaume d’Orange

دانلود کتاب Lifetime Nutritional Influences on Cognition, Behaviour and Psychiatric Illness (Woodhead Publishing Series in Food Science, Technology and Nutrition)

دانلود کتاب Integrated Marketing Communication: Creative Strategy from Idea to Implementation