Recenzie čitateľov
Zhrnutie:Kniha ponúka praktické poznatky o implementácii strojového učenia, najmä so zameraním na hlboké siete viery. Jej kvalita je však poznačená početnými preklepmi a slabými vysvetleniami, ako aj nedostatkom originálneho obsahu vo všetkých zväzkoch. Zatiaľ čo niektorí čitatelia ju považovali za užitočnú na učenie, iní ju kritizovali za nekvalitný samoúčelný počin.
Výhody:⬤ Praktická a prehľadná
⬤ poskytuje dobré pochopenie implementácie strojového učenia
⬤ obsahuje užitočné príklady kódu v jazyku C++
⬤ zlepšuje pochopenie hlbokých sietí viery
⬤ niektorí ju chvália ako absolútne úžasný zdroj, ktorý zvyšuje rýchlosť a presnosť vykonávania.
Nevýhody:⬤ Slabá kvalita písania s mnohými preklepmi a mätúcimi vysvetleniami
⬤ obsah sa zdá byť recyklovaný vo všetkých zväzkoch
⬤ obsahuje príliš veľa dokumentácie kódu
⬤ chýbajú jasné diagramy a vizualizácie
⬤ mnohí odporúčajú lepšie zdroje dostupné online alebo inými prostriedkami.
(na základe 11 čitateľských recenzií)
Pôvodný názov:
Deep Belief Nets in C++ and Cuda C: Volume 1: Restricted Boltzmann Machines and Supervised Feedforward Networks
Obsah knihy:
Objavte základné stavebné kamene najbežnejších foriem sietí hlbokých presvedčení. Na každom kroku táto kniha poskytuje intuitívnu motiváciu, súhrn najdôležitejších rovníc relevantných pre danú tému a v závere obsahuje vysoko komentovaný kód pre vláknové výpočty na moderných procesoroch, ako aj masívne paralelné spracovanie na počítačoch s grafickými zobrazovacími kartami podporujúcimi CUDA.
Kniha Deep Belief Nets in C++ and CUDA C: Volume 1, prvá z troch dielov série o hlbokom učení a belief nets v jazykoch C++ a CUDA C, vám ukáže, že štruktúra týchto elegantných modelov je oveľa bližšia štruktúre ľudského mozgu ako tradičné neurónové siete; majú myšlienkový proces, ktorý je schopný učiť sa abstraktné koncepty vytvorené z jednoduchších primitív. Uvidíte, že typická hlboká sieť viery ako taká sa dokáže naučiť rozpoznávať zložité vzory optimalizáciou miliónov parametrov, a napriek tomu môže byť tento model odolný voči nadmernému prispôsobeniu.
Všetky postupy a algoritmy uvedené v knihe sú k dispozícii v kóde na stiahnutie, ktorý obsahuje aj niekoľko knižníc súvisiacich postupov.
Čo sa naučíte
⬤ Využívať hlboké učenie pomocou jazykov C++ a CUDA C.
⬤ Pracovať s kontrolovanými feedforward sieťami.
⬤ Zaviesť obmedzené Boltzmannove stroje.
⬤ Používať generatívne vzorkovanie.
⬤ Zistite, prečo sú dôležité.
Pre koho je táto kniha určená
Tí, ktorí majú aspoň základné znalosti o neurónových sieťach a nejaké predchádzajúce skúsenosti s programovaním, hoci sa odporúčajú nejaké znalosti C++ a CUDA C.
