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 Recipes: A Problem-Solution Approach

دانلود کتاب دستور العمل های PyTorch: یک رویکرد مشکل-راه حل

مشخصات کتاب

PyTorch Recipes: A Problem-Solution Approach

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش: 1 
نویسندگان: Pradeepta Mishra  
سری:  
ISBN (شابک) : 1484242572, 9781484242575 
ناشر: Apress 
سال نشر: 2019 
تعداد صفحات: 198 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 15 مگابایت

قیمت کتاب (تومان) : 43,000

کلمات کلیدی مربوط به کتاب دستور العمل های PyTorch: یک رویکرد مشکل-راه حل: یادگیری ماشینی، شبکه‌های عصبی، یادگیری عمیق، پردازش زبان طبیعی، یادگیری نظارت شده، پایتون، شبکه‌های عصبی کانولوشنال، شبکه‌های عصبی تکراری، رمزگذارهای خودکار، تجسم داده‌ها، PyTorch، تجزیه و تحلیل تانسور، برازش بیش از حد، توابع فعال‌سازی

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 10

در صورت تبدیل فایل کتاب PyTorch Recipes: A Problem-Solution Approach 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 دستور العمل های PyTorch: یک رویکرد مشکل-راه حل 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 دستور العمل های PyTorch: یک رویکرد مشکل-راه حل

با استفاده از رویکرد حل مسئله با مفاهیم یادگیری عمیق Pytorch سرعت بگیرید. با مقدمه ای بر PyTorch، با تانسورها آشنا خواهید شد، نوعی ساختار داده که برای محاسبه عملیات حسابی استفاده می شود و همچنین نحوه عملکرد آنها را یاد می گیرید. سپس با استفاده از PyTorch به توزیع های احتمالی نگاهی می اندازید و با مفاهیم آن آشنا می شوید. در ادامه با PyTorch وارد تبدیل ها و محاسبات نموداری خواهید شد. در طول مسیر، نگاهی به مسائل رایج در پیاده سازی شبکه عصبی و تمایز تانسورها بیندازید و بهترین راه حل ها را برای آنها بدست آورید. حرکت به سمت الگوریتم ها؛ شما یاد خواهید گرفت که PyTorch چگونه با الگوریتم های نظارت شده و بدون نظارت کار می کند. خواهید دید که چگونه شبکه های عصبی کانولوشنال، شبکه های عصبی عمیق و شبکه های عصبی تکراری با استفاده از PyTorch کار می کنند. در پایان با پردازش زبان طبیعی و پردازش متن با استفاده از PyTorch آشنا خواهید شد. آنچه شما یاد خواهید گرفت • عملیات تانسور اصلی برای محاسبات مبتنی بر نمودار پویا با استفاده از PyTorch • تبدیل PyTorch و محاسبات نمودار برای شبکه های عصبی ایجاد کنید • آموزش تحت نظارت و بدون نظارت را با استفاده از PyTorch انجام دهید • با الگوریتم های یادگیری عمیق مانند CNN و RNN کار کنید • ساخت مدل های LSTM در PyTorch • از PyTorch برای پردازش متن استفاده کنید این کتاب برای چه کسی است خوانندگانی که می خواهند مستقیماً در برنامه نویسی PyTorch شیرجه بزنند.

توضیحاتی درمورد کتاب به خارجی

Get up to speed with the deep learning concepts of Pytorch using a problem-solution approach. Starting with an introduction to PyTorch, you'll get familiarized with tensors, a type of data structure used to calculate arithmetic operations and also learn how they operate. You will then take a look at probability distributions using PyTorch and get acquainted with its concepts. Further you will dive into transformations and graph computations with PyTorch. Along the way you will take a look at common issues faced with neural network implementation and tensor differentiation, and get the best solutions for them. Moving on to algorithms; you will learn how PyTorch works with supervised and unsupervised algorithms. You will see how convolutional neural networks, deep neural networks, and recurrent neural networks work using PyTorch. In conclusion you will get acquainted with natural language processing and text processing using PyTorch. What You Will Learn • Master tensor operations for dynamic graph-based calculations using PyTorch • Create PyTorch transformations and graph computations for neural networks • Carry out supervised and unsupervised learning using PyTorch • Work with deep learning algorithms such as CNN and RNN • Build LSTM models in PyTorch • Use PyTorch for text processing Who This Book Is For Readers wanting to dive straight into programming PyTorch.

فهرست مطالب

Front Matter ....Pages i-xx
 Introduction to PyTorch, Tensors, and Tensor Operations  (Pradeepta Mishra)....Pages 1-27
 Probability Distributions Using PyTorch  (Pradeepta Mishra)....Pages 29-48
 CNN and RNN Using PyTorch  (Pradeepta Mishra)....Pages 49-109
 Introduction to Neural Networks Using PyTorch  (Pradeepta Mishra)....Pages 111-126
 Supervised Learning Using PyTorch  (Pradeepta Mishra)....Pages 127-149
 Fine-Tuning Deep Learning Models Using PyTorch  (Pradeepta Mishra)....Pages 151-164
 Natural Language Processing Using PyTorch  (Pradeepta Mishra)....Pages 165-178
Back Matter ....Pages 179-184