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: Joe Papa
سری: Animals
ISBN (شابک) : 3960091850, 9783960091851
ناشر: dpunkt
سال نشر: 2021
تعداد صفحات: 0
زبان: German
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 مگابایت
در صورت تبدیل فایل کتاب PyTorch kompakt: Syntax, Design Patterns und Codebeispiele für Deep-Learning-Modelle 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 compact: نحو، الگوهای طراحی و نمونه کد برای مدلهای یادگیری عمیق 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.
با این کار مرجع کاربرپسند در PyTorch دانش فشرده در مورد یکی از محبوب ترین چارچوب ها برای یادگیری عمیق را در دسترس شما قرار می دهد. نویسنده Joe Papa با این مرجع به شما امکان دسترسی فوری به نحو، الگوهای طراحی و نمونههای کد ساده را میدهد. شما انبوهی از اطلاعات جمع آوری شده را دریافت می کنید که کار توسعه شما را تسریع می کند و زمان صرف جستجوی جزئیات را به حداقل می رساند.
دانشمندان داده، توسعه دهندگان نرم افزار و مهندسان یادگیری ماشین اطلاعات شفاف و ساختار یافته ای را در این کتاب کد PyTorch پیدا خواهند کرد که هر مرحله از توسعه شبکه عصبی را پوشش می دهد - از بارگذاری داده ها و تنظیم حلقه آموزشی تا بهینه سازی مدل و شتاب GPU/TPU. به سرعت یاد بگیرید که چگونه کد خود را با استفاده از AWS، Google Cloud یا Azure برای تولید به کار ببرید و مدلهای ML خود را بر روی دستگاههای تلفن همراه و لبهای اجرا کنید.
Mit diesem benutzerfreundlichen Nachschlagewerk zu PyTorch haben Sie kompaktes Wissen zu einem der beliebtesten Frameworks für Deep Learning immer zur Hand. Der Autor Joe Papa bietet Ihnen mit dieser Referenz den sofortigen Zugriff auf Syntax, Design Patterns und gut nachvollziehbare Codebeispiele. Sie erhalten eine Fülle an gesammelten Informationen, die Ihre Entwicklungsarbeit beschleunigen und die Zeit minimieren, die Sie mit der Suche nach Details verbringen.
Data Scientists, Softwareentwickler:innen und Machine Learning Engineers finden in diesem Buch klaren, strukturierten PyTorch-Code, der jeden Schritt der Entwicklung neuronaler Netze abdeckt – vom Laden der Daten über die Anpassung von Trainingsschleifen bis hin zur Modelloptimierung und GPU/TPU-Beschleunigung. Lernen Sie in kurzer Zeit, wie Sie Ihren Code mit AWS, Google Cloud oder Azure in der Produktivumgebung einsetzen und Ihre ML-Modelle auf mobilen und Edge-Geräten bereitstellen.