دانلود کتاب Deep Learning with PyTorch 1.x: Implement deep learning techniques and neural network architecture variants using Python, 2nd Edition – یادگیری عمیق با PyTorch 1.x: پیاده سازی تکنیک های یادگیری عمیق و انواع معماری شبکه های عصبی با استفاده از Python، 2nd Edition

توضیحات

Build and train neural network models with high speed and flexibility in text, vision, and advanced analytics using PyTorch 1.x

Key Features

• Gain a thorough understanding of the PyTorch framework and learn to implement neural network architectures
• Understand GPU computing to perform heavy deep learning computations using Python
• Apply cutting-edge natural language processing (NLP) techniques to solve problems with textual data

Book Description

PyTorch is gaining the attention of deep learning researchers and data science professionals due to its accessibility and efficiency, along with the fact that it’s more native to the Python way of development. This book will get you up and running with this cutting-edge deep learning library, effectively guiding you through implementing deep learning concepts.

In this second edition, you’ll learn the fundamental aspects that power modern deep learning, and explore the new features of the PyTorch 1.x library. You’ll understand how to solve real-world problems using CNNs, RNNs, and LSTMs, along with discovering state-of-the-art modern deep learning architectures, such as ResNet, DenseNet, and Inception. You’ll then focus on applying neural networks to domains such as computer vision and NLP. Later chapters will demonstrate how to build, train, and scale a model with PyTorch and also cover complex neural networks such as GANs and autoencoders for producing text and images. In addition to this, you’ll explore GPU computing and how it can be used to perform heavy computations. Finally, you’ll learn how to work with deep learning-based architectures for transfer learning and reinforcement learning problems.

By the end of this book, you’ll be able to confidently and easily implement deep learning applications in PyTorch.

What you will learn

• Build text classification and language modeling systems using neural networks
• Implement transfer learning using advanced CNN architectures
• Use deep reinforcement learning techniques to solve optimization problems in PyTorch
• Mix multiple models for a powerful ensemble model
• Build image classifiers by implementing CNN architectures using PyTorch
• Get up to speed with reinforcement learning, GANs, LSTMs, and RNNs with real-world examples

Who this book is for

This book is for data scientists and machine learning engineers looking to work with deep learning algorithms using PyTorch 1.x. You will also find this book useful if you want to migrate to PyTorch 1.x. Working knowledge of Python programming and some understanding of machine learning will be helpful.

Table of Contents

1. Getting Started with Deep Learning Using PyTorch
2. Building Blocks of Neural Networks
3. Diving Deep into Neural Networks
4. Deep Learning for Computer Vision
5. Natural Language Processing with Sequence data
6. Implementing Autoencoders
7. Working with Generative Adversarial Networks
8. Transfer Learning with Modern Network Architectures
9. Deep Reinforcement Learning
10. What Next?

————————————————————–

ترجمه ماشینی :

با استفاده از PyTorch 1.x

ویژگی‌های کلیدی

، مدل‌های شبکه عصبی را با سرعت و انعطاف‌پذیری بالا در متن، دید، و تجزیه و تحلیل پیشرفته بسازید و آموزش دهید.
• درکی کامل از چارچوب PyTorch به دست آورید و پیاده سازی معماری شبکه های عصبی را بیاموزید
• درک محاسبات GPU برای انجام محاسبات عمیق یادگیری عمیق با استفاده از Python
• استفاده از پردازش زبان طبیعی پیشرفته تکنیک‌های (NLP) برای حل مشکلات مربوط به داده‌های متنی

توضیحات کتاب

PyTorch به دلیل دسترسی و کارایی خود توجه محققان یادگیری عمیق و متخصصان علوم داده را به خود جلب کرده است. همراه با این واقعیت که بیشتر بومی راه توسعه پایتون است. این کتاب شما را با این کتابخانه پیشرفته یادگیری عمیق راه‌اندازی می‌کند و به طور موثر شما را از طریق اجرای مفاهیم یادگیری عمیق راهنمایی می‌کند.

در این ویرایش دوم، جنبه‌های اساسی که یادگیری عمیق مدرن را تقویت می‌کنند، و ویژگی‌های جدید کتابخانه PyTorch 1.x را خواهید آموخت. شما نحوه حل مشکلات دنیای واقعی را با استفاده از CNN، RNN و LSTM و همچنین کشف معماری‌های مدرن یادگیری عمیق، مانند ResNet، DenseNet، و Inception خواهید فهمید. سپس بر روی اعمال شبکه های عصبی در حوزه هایی مانند بینایی کامپیوتر و NLP تمرکز خواهید کرد. در فصل‌های بعدی نحوه ساخت، آموزش و مقیاس‌بندی یک مدل با PyTorch و همچنین پوشش شبکه‌های عصبی پیچیده مانند GAN و رمزگذارهای خودکار برای تولید متن و تصاویر نشان داده می‌شود. علاوه بر این، محاسبات GPU و نحوه استفاده از آن برای انجام محاسبات سنگین را بررسی خواهید کرد. در نهایت، نحوه کار با معماری های مبتنی بر یادگیری عمیق را برای انتقال یادگیری و مشکلات یادگیری تقویتی یاد خواهید گرفت.

در پایان این کتاب، می‌توانید با اطمینان و به راحتی برنامه‌های یادگیری عمیق را در PyTorch پیاده‌سازی کنید.

آنچه خواهید آموخت

• ساخت سیستم های طبقه بندی متن و مدل سازی زبان با استفاده از شبکه های عصبی
• اجرای یادگیری انتقال با استفاده از معماری های پیشرفته CNN
• استفاده از تکنیک های یادگیری تقویت عمیق برای حل مسائل بهینه سازی در PyTorch
• چندین مدل را برای یک مدل مجموعه قدرتمند ترکیب کنید
• با پیاده سازی معماری های CNN با استفاده از PyTorch، طبقه بندی کننده های تصویر بسازید
• با یادگیری تقویتی، GAN ها، LSTM ها و RNN ها با مثال های دنیای واقعی به سرعت برسید.

این کتاب برای چه کسی است

این کتاب برای دانشمندان داده و مهندسین یادگیری ماشین است که به دنبال کار با الگوریتم‌های یادگیری عمیق با استفاده از PyTorch 1.x هستند. همچنین اگر می خواهید به PyTorch 1.x مهاجرت کنید، این کتاب برای شما مفید خواهد بود. دانش برنامه نویسی پایتون و درک کمی از یادگیری ماشین مفید خواهد بود.

فهرست مطالب

1. شروع به یادگیری عمیق با استفاده از PyTorch
2. Building بلوک های شبکه های عصبی
3. غواصی عمیق در شبکه های عصبی
4. آموزش عمیق برای بینایی کامپیوتر
5. پردازش زبان طبیعی با داده های دنباله
6. پیاده سازی رمزگذارهای خودکار
7. کار با شبکه های متخاصم مولد
8. انتقال یادگیری با معماری های شبکه مدرن
9. آموزش تقویت عمیق
10. بعد چه خواهد شد؟

< /ol>

---

 

tag : دانلود کتاب یادگیری عمیق با PyTorch 1.x: پیاده سازی تکنیک های یادگیری عمیق و انواع معماری شبکه های عصبی با استفاده از Python، 2nd Edition , Download یادگیری عمیق با PyTorch 1.x: پیاده سازی تکنیک های یادگیری عمیق و انواع معماری شبکه های عصبی با استفاده از Python، 2nd Edition , دانلود یادگیری عمیق با PyTorch 1.x: پیاده سازی تکنیک های یادگیری عمیق و انواع معماری شبکه های عصبی با استفاده از Python، 2nd Edition , Download Deep Learning with PyTorch 1.x: Implement deep learning techniques and neural network architecture variants using Python, 2nd Edition Book , یادگیری عمیق با PyTorch 1.x: پیاده سازی تکنیک های یادگیری عمیق و انواع معماری شبکه های عصبی با استفاده از Python، 2nd Edition دانلود , buy یادگیری عمیق با PyTorch 1.x: پیاده سازی تکنیک های یادگیری عمیق و انواع معماری شبکه های عصبی با استفاده از Python، 2nd Edition , خرید کتاب یادگیری عمیق با PyTorch 1.x: پیاده سازی تکنیک های یادگیری عمیق و انواع معماری شبکه های عصبی با استفاده از Python، 2nd Edition , دانلود کتاب Deep Learning with PyTorch 1.x: Implement deep learning techniques and neural network architecture variants using Python, 2nd Edition , کتاب Deep Learning with PyTorch 1.x: Implement deep learning techniques and neural network architecture variants using Python, 2nd Edition , دانلود Deep Learning with PyTorch 1.x: Implement deep learning techniques and neural network architecture variants using Python, 2nd Edition , خرید Deep Learning with PyTorch 1.x: Implement deep learning techniques and neural network architecture variants using Python, 2nd Edition , خرید کتاب Deep Learning with PyTorch 1.x: Implement deep learning techniques and neural network architecture variants using Python, 2nd Edition ,