ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب PyTorch kompakt: Syntax, Design Patterns und Codebeispiele für Deep-Learning-Modelle

دانلود کتاب PyTorch compact: نحو، الگوهای طراحی و نمونه کد برای مدل‌های یادگیری عمیق

PyTorch kompakt: Syntax, Design Patterns und Codebeispiele für Deep-Learning-Modelle

مشخصات کتاب

PyTorch kompakt: Syntax, Design Patterns und Codebeispiele für Deep-Learning-Modelle

ویرایش:  
نویسندگان:   
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 

قیمت کتاب (تومان) : 87,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 8


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.


توضیحاتی در مورد کتاب PyTorch compact: نحو، الگوهای طراحی و نمونه کد برای مدل‌های یادگیری عمیق



یک منبع عالی برای هر کسی که با PyTorch کار می کند

  • دانش مختصر و مختصر از چارچوب یادگیری عمیق محبوب
  • هم مبتدیان PyTorch و هم برای کاربران پیشرفته مفید است
  • نمای کلی توسعه مدل، استقرار، اکوسیستم PyTorch و کتابخانه های مفید PyTorch
  • با معرفی مختصری از PyTorch

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.


توضیحاتی درمورد کتاب به خارجی

Eine großartige Ressource für alle, die mit PyTorch arbeiten

  • Kurzgefasstes und präzises Wissen zu dem populären Deep-Learning-Framework
  • Sowohl für PyTorch-Einsteiger:innen als auch für Fortgeschrittene nützlich
  • Überblick über Modellentwicklung, Deployment, das PyTorch-Ökosystem und über hilfreiche PyTorch-Bibliotheken
  • Mit Kurzeinstieg in PyTorch

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.





نظرات کاربران