توضیحات
Discover best practices, reproducible architectures, and design patterns to help guide deep learning models from the lab into production.
In Deep Learning Patterns and Practices you will learn:
Internal functioning of modern convolutional neural networks
Procedural reuse design pattern for CNN architectures
Models for mobile and IoT devices
Assembling large-scale model deployments
Optimizing hyperparameter tuning
Migrating a model to a production environment
The big challenge of deep learning lies in taking cutting-edge technologies from R&D labs through to production. Deep Learning Patterns and Practices is here to help. This unique guide lays out the latest deep learning insights from author Andrew Ferlitschs work with Google Cloud AI. In it, you’ll find deep learning models presented in a unique new way: as extendable design patterns you can easily plug-and-play into your software projects. Each valuable technique is presented in a way that’s easy to understand and filled with accessible diagrams and code samples.
Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications.
About the technology
Discover best practices, design patterns, and reproducible architectures that will guide your deep learning projects from the lab into production. This awesome book collects and illuminates the most relevant insights from a decade of real world deep learning experience. Youll build your skills and confidence with each interesting example.
About the book
Deep Learning Patterns and Practices is a deep dive into building successful deep learning applications. Youll save hours of trial-and-error by applying proven patterns and practices to your own projects. Tested code samples, real-world examples, and a brilliant narrative style make even complex concepts simple and engaging. Along the way, youll get tips for deploying, testing, and maintaining your projects.
What’s inside
Modern convolutional neural networks
Design pattern for CNN architectures
Models for mobile and IoT devices
Large-scale model deployments
Examples for computer vision
About the reader
For machine learning engineers familiar with Python and deep learning.
About the author
Andrew Ferlitsch is an expert on computer vision, deep learning, and operationalizing ML in production at Google Cloud AI Developer Relations.
Table of Contents
PART 1 DEEP LEARNING FUNDAMENTALS
1 Designing modern machine learning
2 Deep neural networks
3 Convolutional and residual neural networks
4 Training fundamentals
PART 2 BASIC DESIGN PATTERN
5 Procedural design pattern
6 Wide convolutional neural networks
7 Alternative connectivity patterns
8 Mobile convolutional neural networks
9 Autoencoders
PART 3 WORKING WITH PIPELINES
10 Hyperparameter tuning
11 Transfer learning
12 Data distributions
13 Data pipeline
14 Training and deployment pipeline
————————————————————–
ترجمه ماشینی :
بهترین شیوهها، معماریهای تکرارپذیر و الگوهای طراحی را برای کمک به هدایت مدلهای یادگیری عمیق از آزمایشگاه به تولید کشف کنید. در الگوها و شیوههای یادگیری عمیق خواهید آموخت: \ عملکرد داخلی شبکههای عصبی کانولوشنال مدرن الگوی طراحی استفاده مجدد رویهای برای معماریهای CNN مدلهایی برای دستگاههای موبایل و اینترنت اشیاء مونتاژ استقرار مدل در مقیاس بزرگ بهینهسازی تنظیم فراپارامتر مهاجرت مدل به محیط تولید \ چالش بزرگ یادگیری عمیق نهفته است در انتقال فناوریهای پیشرفته از آزمایشگاههای تحقیق و توسعه تا تولید. الگوها و شیوه های یادگیری عمیق اینجاست تا به شما کمک کند. این راهنمای منحصربهفرد آخرین بینشهای یادگیری عمیق نویسنده Andrew Ferlitschs که با Google Cloud AI کار میکند، ارائه میکند. در آن، مدلهای یادگیری عمیق را خواهید یافت که به روشی جدید و منحصر به فرد ارائه شدهاند: به عنوان الگوهای طراحی قابل توسعه، میتوانید به راحتی به پروژههای نرمافزاری خود متصل و اجرا کنید. هر تکنیک ارزشمند به روشی ارائه شده است که به راحتی قابل درک است و با نمودارهای قابل دسترس و نمونه کد پر شده است. خرید کتاب چاپی شامل یک کتاب الکترونیکی رایگان در قالبهای PDF، Kindle و ePub از انتشارات منینگ است. درباره فناوری بهترین شیوهها، الگوهای طراحی و معماریهای قابل تکرار را کشف کنید که پروژههای یادگیری عمیق شما را از آزمایشگاه به تولید هدایت میکنند. این کتاب عالی، مرتبط ترین بینش ها را از یک دهه تجربه یادگیری عمیق در دنیای واقعی جمع آوری و روشن می کند. با هر مثال جالب، مهارت ها و اعتماد به نفس خود را تقویت خواهید کرد. درباره کتاب الگوها و شیوه های یادگیری عمیق یک شیرجه عمیق در ساخت برنامه های کاربردی یادگیری عمیق موفق است. با استفاده از الگوها و شیوه های اثبات شده در پروژه های خود، ساعت ها آزمون و خطا را ذخیره خواهید کرد. نمونههای کد آزمایش شده، نمونههای دنیای واقعی، و سبک روایی درخشان، حتی مفاهیم پیچیده را ساده و جذاب میکنند. در طول مسیر، نکاتی را برای استقرار، آزمایش و نگهداری پروژه های خود دریافت خواهید کرد. داخلش شبکههای عصبی کانولوشن مدرن الگوی طراحی برای معماریهای CNN مدلهایی برای دستگاههای موبایل و اینترنت اشیاء استقرار مدل در مقیاس بزرگ نمونههایی برای بینایی کامپیوتر درباره خواننده برای مهندسان یادگیری ماشین آشنا با Python و یادگیری عمیق . درباره نویسنده اندرو فرلیتش متخصص بینایی کامپیوتر، یادگیری عمیق، و عملیاتی کردن ML در تولید در Google Cloud AI Developer Relations است. \ فهرست مطالب \ پارت 1 مبانی یادگیری عمیق 1 طراحی یادگیری ماشین مدرن 2 شبکه عصبی عمیق 3 شبکه عصبی کانولوشنال و باقیمانده 4 اصول آموزشی \ قسمت 2 الگوی طراحی اساسی 5 الگوی طراحی رویهای پیچیده 6 شبکهها 7 الگوهای اتصال جایگزین 8 شبکههای عصبی کانولوشنال سیار 9 رمزگذار خودکار بخش 3 کار با خطوط لوله 10 تنظیم فراپارامتر 11 یادگیری انتقال 12 توزیع داده 13 خط لوله داده 14 خط لوله آموزش و استقرار
tag : دانلود کتاب الگوها و شیوه های یادگیری عمیق , Download الگوها و شیوه های یادگیری عمیق , دانلود الگوها و شیوه های یادگیری عمیق , Download Deep Learning Patterns and Practices Book , الگوها و شیوه های یادگیری عمیق دانلود , buy الگوها و شیوه های یادگیری عمیق , خرید کتاب الگوها و شیوه های یادگیری عمیق , دانلود کتاب Deep Learning Patterns and Practices , کتاب Deep Learning Patterns and Practices , دانلود Deep Learning Patterns and Practices , خرید Deep Learning Patterns and Practices , خرید کتاب Deep Learning Patterns and Practices ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.