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

Papa, Joe

 
9783960091851: PyTorch kompakt: Syntax, Design Patterns und Codebeispiele für Deep-Learning-Modelle
Couverture souple
ISBN 10 : 3960091850 ISBN 13 : 9783960091851
Editeur : dpunkt.Verlag, 2021

Synopsis

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 Dieses praktische Nachschlagewerk zu PyTorch, einem der beliebtesten Frameworks für Deep Learning, hält jederzeit präzises Wissen für Sie bereit. Joe Papa bietet Ihnen mit seiner Referenz den direkten Zugriff auf Syntax, Design Patterns und gut nachvollziehbare PyTorch-Codebeispiele. Das Buch enthält - neben einem PyTorch-Schnelleinstieg - eine Fülle von Informationen, die Ihre Entwicklungsarbeit verbessern und effizienter machen. 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. Erfahren Sie außerdem, wie Sie Ihre ML-Modelle über AWS, Google Cloud oder Azure deployen und auf mobilen und Edge-Geräten bereitstellen. - Lernen Sie Tensoren und die grundlegende Syntax von PyTorch kennen - Erstellen Sie maßgeschneiderte Modelle sowie eigene Komponenten und Algorithmen für Deep Learning - Nutzen Sie Design Patterns zu Transfer Learning, Stimmungsanalyse oder Generative Adversarial Networks (GANs) für Ihre Projekte - Trainieren und deployen Sie Modelle sowohl auf GPUs als auch auf TPUs - Beschleunigen Sie den Trainingsprozess durch Optimierung der Modelle und durch parallele und verteilte Verarbeitung - Informieren Sie sich über nützliche PyTorch-Bibliotheken und das PyTorch-Ökosystem

Les informations fournies dans la section « Synopsis » peuvent faire référence à une autre édition de ce titre.

Éditeur
dpunkt.Verlag
Date d'édition
2021
Langue
allemand
ISBN 10 
3960091850
ISBN 13 
9783960091851
Reliure
Broché
Numéro d'édition
1
Nombre de pages
235
Coordonnées du fabricant
service@rheinwerk-verlag.de
service@rheinwerk-verlag.de

Wieblinger Weg 17
Heidelberg
69123
Allemagne