دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Sherin Thomas. Sudhanshu Passi
سری:
ISBN (شابک) : 1788834135, 9781788834131
ناشر: Packt Publishing
سال نشر: 2019
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 10 مگابایت
در صورت تبدیل فایل کتاب PyTorch Deep Learning Hands-On: Build CNNs, RNNs, GANs, reinforcement learning, and more, quickly and easily 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 PyTorch Deep Learning Hands-On: ساخت CNN، RNN، GAN، یادگیری تقویتی و موارد دیگر، سریع و آسان 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.
پروژه های عملی تمام روش های یادگیری عمیق کلیدی را که به صورت گام به گام در PyTorch ساخته شده اند پوشش می دهند
PyTorch Deep Learning Hands-On کتابی برای مهندسانی است که می خواهند راهنمای سریعی برای انجام کار یادگیری عمیق با Pytorch داشته باشند. این یک کتاب درسی دانشگاهی نیست و سعی در آموزش اصول یادگیری عمیق ندارد. اگر میخواهید دستهایتان را کثیف کنید و PyTorch را به سرعت وارد کار کنید، این کتاب بیشترین کمک را به شما خواهد کرد.
PyTorch Deep Learning Hands-On نشان می دهد که چگونه می توان معماری های اصلی یادگیری عمیق را در PyTorch پیاده سازی کرد. این شبکه های عصبی، بینایی کامپیوتر، CNN ها، پردازش زبان طبیعی (RNN)، GAN ها و یادگیری تقویتی را پوشش می دهد. شما همچنین با چارچوب PyTorch، گردشهای کاری یادگیری عمیق را ایجاد میکنید، مدلهای ساخته شده در پایتون را به TorchScript بسیار کارآمد منتقل میکنید و با استفاده از پیچیدهترین ابزارهای موجود در تولید مستقر میشوید.
هر فصل بر حوزه متفاوتی از یادگیری عمیق تمرکز دارد. فصل ها با یک بازنگری در مورد نحوه عملکرد مدل شروع می شوند، قبل از به اشتراک گذاشتن کدهایی که باید آنها را در PyTorch پیاده سازی کنید.
اگر می خواهید PyTorch را به سرعت به مجموعه ابزار یادگیری عمیق خود اضافه کنید، این کتاب ایده آل است.
از PyTorch برای ساختن استفاده کنید:
مهندسین یادگیری ماشین که میخواهند PyTorch را وارد کار کنند.
Hands-on projects cover all the key deep learning methods built step-by-step in PyTorch
PyTorch Deep Learning Hands-On is a book for engineers who want a fast-paced guide to doing deep learning work with Pytorch. It is not an academic textbook and does not try to teach deep learning principles. The book will help you most if you want to get your hands dirty and put PyTorch to work quickly.
PyTorch Deep Learning Hands-On shows how to implement the major deep learning architectures in PyTorch. It covers neural networks, computer vision, CNNs, natural language processing (RNN), GANs, and reinforcement learning. You will also build deep learning workflows with the PyTorch framework, migrate models built in Python to highly efficient TorchScript, and deploy to production using the most sophisticated available tools.
Each chapter focuses on a different area of deep learning. Chapters start with a refresher on how the model works, before sharing the code you need to implement them in PyTorch.
This book is ideal if you want to rapidly add PyTorch to your deep learning toolset.
Use PyTorch to build:
Machine learning engineers who want to put PyTorch to work.