توضیحات
Build, train, deploy, and scale deep learning models quickly and accurately, improving your productivity using the lightweight PyTorch Wrapper
Key Features
Become well-versed with PyTorch Lightning architecture and learn how it can be implemented in various industry domains
Speed up your research using PyTorch Lightning by creating new loss functions, networks, and architectures
Train and build new algorithms for massive data using distributed training
Book Description
PyTorch Lightning lets researchers build their own Deep Learning (DL) models without having to worry about the boilerplate. With the help of this book, you’ll be able to maximize productivity for DL projects while ensuring full flexibility from model formulation through to implementation. You’ll take a hands-on approach to implementing PyTorch Lightning models to get up to speed in no time.
You’ll start by learning how to configure PyTorch Lightning on a cloud platform, understand the architectural components, and explore how they are configured to build various industry solutions. Next, you’ll build a network and application from scratch and see how you can expand it based on your specific needs, beyond what the framework can provide. The book also demonstrates how to implement out-of-box capabilities to build and train Self-Supervised Learning, semi-supervised learning, and time series models using PyTorch Lightning. As you advance, you’ll discover how generative adversarial networks (GANs) work. Finally, you’ll work with deployment-ready applications, focusing on faster performance and scaling, model scoring on massive volumes of data, and model debugging.
By the end of this PyTorch book, you’ll have developed the knowledge and skills necessary to build and deploy your own scalable DL applications using PyTorch Lightning.
What you will learn
Customize models that are built for different datasets, model architectures, and optimizers
Understand how a variety of Deep Learning models from image recognition and time series to GANs, semi-supervised and self-supervised models can be built
Use out-of-the-box model architectures and pre-trained models using transfer learning
Run and tune DL models in a multi-GPU environment using mixed-mode precisions
Explore techniques for model scoring on massive workloads
Discover troubleshooting techniques while debugging DL models
Who this book is for
This deep learning book is for citizen data scientists and expert data scientists transitioning from other frameworks to PyTorch Lightning. This book will also be useful for deep learning researchers who are just getting started with coding for deep learning models using PyTorch Lightning. Working knowledge of Python programming and an intermediate-level understanding of statistics and deep learning fundamentals is expected.
Table of Contents
PyTorch Lightning Adventure
Getting Off the Ground with Your First Deep Learning Model
Transfer Learning Using Pre-Trained Models
Ready-to- Use Models from Bolts
Time Series Models
Deep Generative Models
Semi-Supervised Learning
Self-Supervised Learning
Deploying and Scoring Models
Scaling and Managing Training
————————————————————–
ترجمه ماشینی :
ساخت، آموزش، استقرار و مقیاسبندی مدلهای یادگیری عمیق را به سرعت و با دقت انجام دهید و با استفاده از PyTorch Wrapper سبک وزن، بهرهوری خود را بهبود ببخشید \ ویژگیهای کلیدی \ با معماری PyTorch Lightning آشنا شوید و یاد بگیرید که چگونه میتوان آن را در حوزههای مختلف صنعتی پیادهسازی کرد. با ایجاد توابع، شبکهها و معماریهای جدید از دست دادن، تحقیقات خود را با استفاده از PyTorch Lightning افزایش دهید \ آموزش و ساخت الگوریتمهای جدید برای دادههای عظیم با استفاده از آموزش توزیعشده \ شرح کتاب \ PyTorch Lightning به محققان اجازه میدهد تا Deep Learning (DL) خود را بسازند. مدل ها بدون نگرانی در مورد دیگ بخار. با کمک این کتاب، میتوانید بهرهوری پروژههای DL را به حداکثر برسانید و در عین حال انعطافپذیری کامل را از فرمولبندی مدل تا اجرا تضمین کنید. شما یک رویکرد عملی برای پیاده سازی مدل های PyTorch Lightning خواهید داشت تا در کمترین زمان به سرعت خود برسید. شما با یادگیری نحوه پیکربندی PyTorch Lightning بر روی یک پلتفرم ابری، درک اجزای معماری و کشف نحوه پیکربندی آنها برای ساخت راهحلهای صنعتی مختلف شروع میکنید. در مرحله بعد، یک شبکه و برنامه را از ابتدا می سازید و می بینید که چگونه می توانید آن را بر اساس نیازهای خاص خود، فراتر از آنچه چارچوب می تواند ارائه دهد، گسترش دهید. این کتاب همچنین نحوه پیادهسازی قابلیتهای خارج از جعبه را برای ساخت و آموزش مدلهای یادگیری خود نظارت، یادگیری نیمه نظارت شده و مدلهای سری زمانی با استفاده از PyTorch Lightning نشان میدهد. با پیشروی، خواهید فهمید که شبکه های متخاصم (GAN) چگونه کار می کنند. در نهایت، شما با برنامههای آماده استقرار، تمرکز بر عملکرد و مقیاسبندی سریعتر، امتیازدهی مدل بر روی حجم عظیم داده و اشکالزدایی مدل کار خواهید کرد. در پایان این کتاب PyTorch، دانش و مهارت های لازم برای ساخت و استقرار برنامه های DL مقیاس پذیر خود را با استفاده از PyTorch Lightning توسعه خواهید داد. آنچه یاد خواهید گرفت مدل هایی را که برای مجموعه داده های مختلف، معماری مدل ها و بهینه سازها ساخته شده اند سفارشی کنید \ درک چگونگی انواع مدل های یادگیری عمیق از تشخیص تصویر و سری های زمانی تا GAN ها، مدل های نیمه نظارت شده و خود نظارت می توان ساخت \ از معماری های مدل خارج از جعبه و مدل های از پیش آموزش دیده با استفاده از آموزش انتقال استفاده کرد \ مدل های DL را در یک محیط چند GPU با استفاده از دقت در حالت ترکیبی اجرا و تنظیم کرد \ تکنیک های امتیازدهی مدل در مقیاس عظیم را کاوش کنید حجم کار کشف تکنیک های عیب یابی در حین اشکال زدایی مدل های DL این کتاب برای چه کسانی است \ این کتاب یادگیری عمیق برای دانشمندان داده شهروندی و دانشمندان داده متخصص است که از چارچوب های دیگر به PyTorch Lightning منتقل می شوند. این کتاب همچنین برای محققان یادگیری عمیق که به تازگی با استفاده از PyTorch Lightning کدنویسی برای مدل های یادگیری عمیق را آغاز کرده اند مفید خواهد بود. دانش کاری برنامه نویسی پایتون و درک سطح متوسط از آمار و اصول یادگیری عمیق انتظار می رود. \ فهرست مطالب \ ماجراجویی رعد و برق PyTorch \ پیاده شدن از زمین با اولین مدل یادگیری عمیق \ آموزش انتقال با استفاده از مدل های از پیش آموزش دیده \ مدل های آماده برای استفاده از Bolts \ مدل های سری زمانی \ Deep مدلهای مولد یادگیری نیمهنظارتی یادگیری خود نظارتی استقرار و مدلهای امتیازدهی \ مقیاسگذاری و مدیریت آموزش
tag : دانلود کتاب یادگیری عمیق با PyTorch Lightning: ساخت و آموزش مدلهای هوش مصنوعی با کارایی بالا و خود نظارتی با استفاده از Python , Download یادگیری عمیق با PyTorch Lightning: ساخت و آموزش مدلهای هوش مصنوعی با کارایی بالا و خود نظارتی با استفاده از Python , دانلود یادگیری عمیق با PyTorch Lightning: ساخت و آموزش مدلهای هوش مصنوعی با کارایی بالا و خود نظارتی با استفاده از Python , Download Deep Learning with PyTorch Lightning: Build and train high-performance artificial intelligence and self-supervised models using Python Book , یادگیری عمیق با PyTorch Lightning: ساخت و آموزش مدلهای هوش مصنوعی با کارایی بالا و خود نظارتی با استفاده از Python دانلود , buy یادگیری عمیق با PyTorch Lightning: ساخت و آموزش مدلهای هوش مصنوعی با کارایی بالا و خود نظارتی با استفاده از Python , خرید کتاب یادگیری عمیق با PyTorch Lightning: ساخت و آموزش مدلهای هوش مصنوعی با کارایی بالا و خود نظارتی با استفاده از Python , دانلود کتاب Deep Learning with PyTorch Lightning: Build and train high-performance artificial intelligence and self-supervised models using Python , کتاب Deep Learning with PyTorch Lightning: Build and train high-performance artificial intelligence and self-supervised models using Python , دانلود Deep Learning with PyTorch Lightning: Build and train high-performance artificial intelligence and self-supervised models using Python , خرید Deep Learning with PyTorch Lightning: Build and train high-performance artificial intelligence and self-supervised models using Python , خرید کتاب Deep Learning with PyTorch Lightning: Build and train high-performance artificial intelligence and self-supervised models using Python ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.