دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب PyTorch Deep Learning Hands-On: Build CNNs, RNNs, GANs, reinforcement learning, and more, quickly and easily
دانلود کتاب PyTorch Deep Learning Hands-On: ساخت CNN، RNN، GAN، یادگیری تقویتی و موارد دیگر، سریع و آسان
مشخصات کتاب
PyTorch Deep Learning Hands-On: Build CNNs, RNNs, GANs, reinforcement learning, and more, quickly and easily
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
قیمت کتاب (تومان) : 50,000
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.
توضیحاتی در مورد کتاب PyTorch Deep Learning Hands-On: ساخت CNN، RNN، GAN، یادگیری تقویتی و موارد دیگر، سریع و آسان
پروژه های عملی تمام روش های یادگیری عمیق کلیدی را که به صورت گام به گام در PyTorch ساخته شده اند پوشش می دهند
ویژگی های کلیدی
- داخلی و اصول PyTorch
- روش های یادگیری عمیق کلیدی را در PyTorch پیاده سازی کنید: CNN ها، GAN ها، RNN ها، یادگیری تقویتی، و موارد دیگر
- روش های یادگیری عمیق بسازید و مدل های یادگیری عمیق را از نمونه سازی به تولید ببرید< /li>
توضیحات کتاب
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.
آنچه خواهید آموخت
از PyTorch برای ساختن استفاده کنید:
- شبکه های عصبی ساده – ساخت شبکه های عصبی به روش PyTorch، با عملکردهای سطح بالا، بهینه سازها و موارد دیگر
- شبکه های عصبی کانولوشنال – ایجاد سیستم های بینایی کامپیوتری پیشرفته
- شبکه های عصبی تکراری – کار با داده های متوالی مانند زبان طبیعی و صدا
- شبکه های متخاصم مولد – ایجاد محتوای جدید با مدل هایی از جمله SimpleGAN و CycleGAN
- آموزش تقویتی – توسعه سیستم هایی که می توانند حل کنند مشکلات پیچیده ای مانند رانندگی یا بازی
- جریان های کاری یادگیری عمیق – با گردش کار یادگیری عمیق مناسب با استفاده از PyTorch و بسته های کاربردی آن به طور موثر از ایده پردازی به تولید حرکت کنید
- مدل های آماده برای تولید – بسته بندی خود را مدل‌هایی برای محیط‌های تولید با کارایی بالا
این کتاب برای چه کسانی است
مهندسین یادگیری ماشین که می‌خواهند PyTorch را وارد کار کنند.
جدول مطالب
- آموزش عمیق و مقدمه PyTorch
- یک شبکه عصبی ساده
- جریان کاری یادگیری عمیق
- بینایی کامپیوتر
- پردازش متوالی داده
- شبکه های مولد
- آموزش تقویتی
- PyTorch تا تولید
توضیحاتی درمورد کتاب به خارجی
Hands-on projects cover all the key deep learning methods built step-by-step in PyTorch
Key Features
- Internals and principles of PyTorch
- Implement key deep learning methods in PyTorch: CNNs, GANs, RNNs, reinforcement learning, and more
- Build deep learning workflows and take deep learning models from prototyping to production
Book Description
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.
What you will learn
Use PyTorch to build:
- Simple Neural Networks – build neural networks the PyTorch way, with high-level functions, optimizers, and more
- Convolutional Neural Networks – create advanced computer vision systems
- Recurrent Neural Networks – work with sequential data such as natural language and audio
- Generative Adversarial Networks – create new content with models including SimpleGAN and CycleGAN
- Reinforcement Learning – develop systems that can solve complex problems such as driving or game playing
- Deep Learning workflows – move effectively from ideation to production with proper deep learning workflow using PyTorch and its utility packages
- Production-ready models – package your models for high-performance production environments
Who this book is for
Machine learning engineers who want to put PyTorch to work.
Table of Contents
- Deep Learning Walkthrough and PyTorch Introduction
- A Simple Neural Network
- Deep Learning Workflow
- Computer Vision
- Sequential Data Processing
- Generative Networks
- Reinforcement Learning
- PyTorch to Production
نظرات کاربران
کتاب های تصادفی
دانلود کتاب Seth & William
دانلود کتاب Handbook of Child Behavioral Issues: Evidence-Based Approaches to Prevention and Treatment
دانلود کتاب Business Computing mit SAP R/3®: Modellierung, Customizing und Anwendung betriebswirtschaftlich-integrierter Geschäftsprozesse
دانلود کتاب Seminaire d'Analyse
