Kuchárska kniha PyTorch: 100+ riešení v oblasti RNN, CNN, nástrojov Python, distribuovaného trénovania a grafových sietí

Recenzie čitateľov

Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 2 hlasoch.

Pôvodný názov:

PyTorch Cookbook: 100+ Solutions across RNNs, CNNs, python tools, distributed training and graph networks

Obsah knihy:

Začínate kariéru vývojára PyTorchu a inžiniera hlbokého učenia? Pozrite si túto "PyTorch Cookbook", komplexnú príručku so základnými receptami a riešeniami pre PyTorch a ekosystém. Kniha sa v dobre napísaných kapitolách zaoberá vývojom hlbokého učenia v PyTorchu od začiatočníka po experta.

Kniha zjednodušuje neurónové siete, trénovanie, optimalizáciu a stratégie nasadenia podľa jednotlivých kapitol. Prvá časť sa zaoberá základmi PyTorchu, predspracovaním dát, tokenizáciou a slovníkom. Ďalej vytvára CNN, RNN, vrstvy pozornosti a grafové neurónové siete. Kniha kladie dôraz na distribuované trénovanie, škálovateľnosť a trénovanie na viacerých grafických procesoroch pre reálne scenáre. Praktické vstavané systémy, mobilný vývoj a riešenia na kompresiu modelov osvetľujú aplikácie umelej inteligencie v zariadeniach. Kniha však presahuje rámec kódu a algoritmov. Ponúka aj praktické riešenie problémov a ladenie pre komplexný vývoj hlbokého učenia. 'PyTorch Cookbook' sa zaoberá chybami pri zhromažďovaní údajov až po nasadenie a poskytuje podrobné riešenia na ich prekonanie.

Táto kniha integruje PyTorch s ONNX Runtime, PySyft, Pyro, Deep Graph Library (DGL), Fastai a Ignite a ukáže vám, ako ich použiť vo vašich projektoch. Táto kniha sa zaoberá inferenciou v reálnom čase, trénovaním klastrov, obsluhou modelov a kompatibilitou medzi platformami. Naučíte sa kódovať architektúry hlbokého učenia, pracovať s neurónovými sieťami a riadiť fázy vývoja hlbokého učenia. 'PyTorch Cookbook' je kompletná príručka, ktorá vám pomôže stať sa sebavedomým vývojárom PyTorchu a inteligentným inžinierom hlbokého učenia. Vďaka jasným príkladom a praktickým radám je povinným čítaním pre každého, kto chce používať PyTorch a napredovať v hlbokom učení.

Kľúčové poznatky.

⬤ Komplexný úvod do PyTorchu, ktorý čitateľov vybaví základnými zručnosťami pre hlboké učenie.

⬤ Praktické ukážky rôznych neurónových sietí, ktoré zlepšujú pochopenie prostredníctvom praktických cvičení.

⬤ Preskúmanie grafických neurónových sietí (GNN), ktoré otvárajú dvere do špičkových oblastí výskumu.

⬤ Hĺbkový pohľad na nástroje a knižnice PyTorch, ktoré rozširujú možnosti nad rámec základných funkcií.

⬤ Krok za krokom návod na distribuované trénovanie, ktoré umožňuje škálovateľné projekty hlbokého učenia a umelej inteligencie.

⬤ Poznatky z reálneho sveta, ktoré preklenujú priepasť medzi teoretickými znalosťami a praktickou realizáciou.

⬤ Zameranie na mobilný a vstavaný vývoj s PyTorchom, ktorý vedie k umelej inteligencii v zariadení.

⬤ Dôraz na riešenie chýb a odstraňovanie porúch, príprava čitateľov na reálne výzvy.

⬤ Pokročilé témy, ako je inferencia v reálnom čase a kompresia modelov, poskytujúce zručnosti pripravené na budúcnosť.

Obsah.

⬤ Úvod do PyTorch 2. 0.

⬤ Hlboké stavebné bloky učenia.

⬤ Konvolučné neurónové siete.

⬤ Rekurentné neurónové siete.

⬤ Spracovanie prirodzeného jazyka.

⬤ Grafické neurónové siete (GNN)

⬤ Práca s populárnymi nástrojmi PyTorch.

⬤ Distribuované trénovanie a škálovateľnosť.

⬤ Mobilný a vstavaný vývoj.