توضیحات
Build neural network models in text, vision and advanced analytics using PyTorch
Key FeaturesLearn PyTorch for implementing cutting-edge deep learning algorithms.Train your neural networks for higher speed and flexibility and learn how to implement them in various scenarios;Cover various advanced neural network architecture such as ResNet, Inception, DenseNet and more with practical examples;Book Description
Deep learning powers the most intelligent systems in the world, such as Google Voice, Siri, and Alexa. Advancements in powerful hardware, such as GPUs, software frameworks such as PyTorch, Keras, Tensorflow, and CNTK along with the availability of big data have made it easier to implement solutions to problems in the areas of text, vision, and advanced analytics.
This book will get you up and running with one of the most cutting-edge deep learning librariesPyTorch. PyTorch is grabbing the attention of deep learning researchers and data science professionals due to its accessibility, efficiency and being more native to Python way of development. You’ll start off by installing PyTorch, then quickly move on to learn various fundamental blocks that power modern deep learning. You will also learn how to use CNN, RNN, LSTM and other networks to solve real-world problems. This book explains the concepts of various state-of-the-art deep learning architectures, such as ResNet, DenseNet, Inception, and Seq2Seq, without diving deep into the math behind them. You will also learn about GPU computing during the course of the book. You will see how to train a model with PyTorch and dive into complex neural networks such as generative networks for producing text and images.
By the end of the book, you’ll be able to implement deep learning applications in PyTorch with ease.
What you will learnUse PyTorch for GPU-accelerated tensor computationsBuild custom datasets and data loaders for images and test the models using torchvision and torchtextBuild an image classifier by implementing CNN architectures using PyTorchBuild systems that do text classification and language modeling using RNN, LSTM, and GRULearn advanced CNN architectures such as ResNet, Inception, Densenet, and learn how to use them for transfer learningLearn how to mix multiple models for a powerful ensemble modelGenerate new images using GANs and generate artistic images using style transferWho this book is for
This book is for machine learning engineers, data analysts, data scientists interested in deep learning and are looking to explore implementing advanced algorithms in PyTorch. Some knowledge of machine learning is helpful but not a mandatory need. Working knowledge of Python programming is expected.
————————————————————–
ترجمه ماشینی :
ساخت مدلهای شبکه عصبی در متن، دید و تجزیه و تحلیل پیشرفته با استفاده از PyTorch
ویژگیهای کلیدی PyTorch را برای پیادهسازی الگوریتمهای یادگیری عمیق پیشرفته بیاموزید. شبکههای عصبی خود را برای سرعت و انعطافپذیری بالاتر آموزش دهید و یاد بگیرید نحوه پیادهسازی آنها در سناریوهای مختلف؛ معماری شبکههای عصبی پیشرفته مختلف مانند ResNet، Inception، DenseNet و موارد دیگر را با مثالهای عملی پوشش دهید؛ توضیحات کتاب
آموزش عمیق هوشمندترین سیستمهای جهان مانند Google Voice، Siri، و الکسا پیشرفتها در سختافزار قدرتمند، مانند پردازندههای گرافیکی، چارچوبهای نرمافزاری مانند PyTorch، Keras، Tensorflow و CNTK به همراه در دسترس بودن دادههای بزرگ، پیادهسازی راهحلهای مشکلات در زمینههای متن، دید و تحلیلهای پیشرفته را آسانتر کرده است.
این کتاب شما را با یکی از پیشرفتهترین کتابخانههای یادگیری عمیق PyTorch راهاندازی میکند. PyTorch به دلیل دسترسی، کارایی و بومی بودن بیشتر در راه توسعه پایتون، توجه محققان یادگیری عمیق و متخصصان علوم داده را به خود جلب کرده است. شما با نصب PyTorch شروع میکنید، سپس به سرعت به یادگیری بلوکهای اساسی مختلف میپردازید که یادگیری عمیق مدرن را تقویت میکنند. همچنین یاد خواهید گرفت که چگونه از شبکه های
tag : دانلود کتاب یادگیری عمیق با PyTorch: یک رویکرد عملی برای ساخت مدل های شبکه عصبی با استفاده از PyTorch , Download یادگیری عمیق با PyTorch: یک رویکرد عملی برای ساخت مدل های شبکه عصبی با استفاده از PyTorch , دانلود یادگیری عمیق با PyTorch: یک رویکرد عملی برای ساخت مدل های شبکه عصبی با استفاده از PyTorch , Download Deep Learning with PyTorch: A practical approach to building neural network models using PyTorch Book , یادگیری عمیق با PyTorch: یک رویکرد عملی برای ساخت مدل های شبکه عصبی با استفاده از PyTorch دانلود , buy یادگیری عمیق با PyTorch: یک رویکرد عملی برای ساخت مدل های شبکه عصبی با استفاده از PyTorch , خرید کتاب یادگیری عمیق با PyTorch: یک رویکرد عملی برای ساخت مدل های شبکه عصبی با استفاده از PyTorch , دانلود کتاب Deep Learning with PyTorch: A practical approach to building neural network models using PyTorch , کتاب Deep Learning with PyTorch: A practical approach to building neural network models using PyTorch , دانلود Deep Learning with PyTorch: A practical approach to building neural network models using PyTorch , خرید Deep Learning with PyTorch: A practical approach to building neural network models using PyTorch , خرید کتاب Deep Learning with PyTorch: A practical approach to building neural network models using PyTorch ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.