Automatizované hlboké učenie pomocou inteligencie neurónových sietí: Vývoj a návrh modelov Pytorch a Tensorflow pomocou jazyka Python

Pôvodný názov:

Automated Deep Learning Using Neural Network Intelligence: Develop and Design Pytorch and Tensorflow Models Using Python

Obsah knihy:

Optimalizujte, vyvíjajte a navrhujte modely PyTorch a TensorFlow pre konkrétny problém pomocou súpravy nástrojov Microsoft Neural Network Intelligence (NNI). Táto kniha obsahuje praktické príklady ilustrujúce automatizované prístupy hlbokého učenia a poskytuje techniky, ktoré vám uľahčia vývoj modelov hlbokého učenia.

Prvé kapitoly tejto knihy obsahujú základy používania súboru nástrojov NNI a metódy riešenia hyperparametrických optimalizačných úloh. Pochopíte problém maximalizácie funkcie čiernej skrinky pomocou NNI a budete vedieť, ako pripraviť model TensorFlow alebo PyTorch na ladenie hyperparametrov, spustiť experiment a interpretovať výsledky. Kniha sa ponorí do optimalizačných tunerov a vyhľadávacích algoritmov, na ktorých sú založené: Vyhľadávanie evolúciou, vyhľadávanie žíhaním a bayesovský prístup k optimalizácii. Venuje sa vyhľadávaniu v neurónovej architektúre a naučíte sa, ako vyvíjať modely hlbokého učenia od základov. Prezentujú sa prístupy automatického návrhu neurónových sietí s viacnásobným a jednorazovým vyhľadávaním. Kniha vás naučí, ako skonštruovať prehľadávací priestor a spustiť prehľadávanie architektúry pomocou najnovších najmodernejších stratégií prieskumu: Efektívne vyhľadávanie neurónových architektúr (ENAS) a diferenciálne vyhľadávanie architektúr (DARTS). Naučíte sa, ako automatizovať konštrukciu architektúry neurónovej siete pre konkrétny problém a súbor údajov. Kniha sa zameriava na kompresiu modelov a metódy príznakového inžinierstva, ktoré sú pri automatizovanom hlbokom učení nevyhnutné. Zahŕňa aj výkonnostné techniky, ktoré umožňujú vytvárať rozsiahle distribučné platformy na trénovanie pomocou NNI.

Po prečítaní tejto knihy budete vedieť, ako používať celý súbor nástrojov automatizovaných metód hlbokého učenia. Techniky a praktické príklady uvedené v tejto knihe vám umožnia posunúť vaše postupy v oblasti neurónových sietí na vyššiu úroveň.

Čo sa naučíte

⬤ Znáť základné pojmy optimalizačných tunerov, prehľadávacieho priestoru a pokusov.

⬤ Používať rôzne hyperparametrické optimalizačné algoritmy na vývoj efektívnych neurónových sietí.

⬤ Konštruovať nové modely hlbokého učenia od základov.

⬤ Vykonať automatizované vyhľadávanie neurónovej architektúry na vytvorenie najmodernejších modelov hlbokého učenia.

⬤ Komprimovať model s cieľom odstrániť nepotrebné vrstvy hlbokého učenia.

Pre koho je táto kniha určená

Stredne pokročilým až pokročilým dátovým vedcom a inžinierom strojového učenia, ktorí sa zaoberajú hlbokým učením a praktickým vývojom neurónových sietí.