PyTorch深度学习: Chinese Edition

Posts & Telecom Press · Vishnu Subramanian

2024 മേയ് · Packt Publishing Ltd

ഇ-ബുക്ക്

212

പേജുകൾ

ഈ ഇ-ബുക്കിനെക്കുറിച്ച്

使用PyTorch开发神经网络的实用指南提供本书彩图和源代码下载Key Features

使用PyTorch构建神经网络模型的实用指南
从PyTorch的安装讲起,介绍为现代深度学习提供驱动力的多个基础模块,以及使用CNN、RNN、LSTM以及其他网络模型解决问题的方法

Book Description深度学习为世界上的智能系统(比如Google Voice、Siri和Alexa)提供了动力。随着硬件(如GPU)和软件框架(如PyTorch、Keras、TensorFlow和CNTK)的进步以及大数据的可用性,人们在文本、视觉和高级分析等领域更容易实施相应问题的解决方案。本书对当今前沿的深度学习库PyTorch进行了讲解。凭借其易学习性、高效性以及与Python开发的天然亲近性,PyTorch获得了深度学习研究人员以及数据科学家们的关注。本书从PyTorch的安装讲起,然后介绍了为现代深度学习提供驱动力的多个基础模块,还介绍了使用CNN、RNN、LSTM以及其他网络模型解决问题的方法。本书对多个先进的深度学习架构的概念(比如ResNet、DenseNet、Inception和Seq2Seq)进行了阐述,但没有深挖其背后的数学细节。与GPU计算相关的知识、使用PyTorch训练模型的方法,以及用来生成文本和图像的复杂神经网络(如生成网络),也在本书中有所涵盖。学完本书后,读者可以使用PyTorch轻松开发深度学习应用程序。What you will learn

在GPU加速的张量计算中使用PyTorch;
为图像自行创建数据集和数据装载器,然后使用torchvision和torchtext测试模型;
使用PyTorch来实现CNN架构,从而构建图像分类器;
使用RNN、LSTM和GRU开发能进行文本分类和语言建模的系统;
学习高级的CCN架构(比如ResNet、Inception、DenseNet等),并将其应用在迁移学习中;
学习如何混合多个模型,从而生成一个强大的集成模型;
使用GAN生成新图像,并使用风格迁移生成艺术图像。

Who this book is for

本书适合对深度学习感兴趣,且希望一探PyTorch究竟的人员阅读;具有其他深度学习框架使用经验的读者,也可以通过本书掌握PyTorch的用法。

രചയിതാവിനെ കുറിച്ച്

Vishnu Subramanian在领导、设计和实施大数据分析项目(人工智能、机器学习和深度学习)方面富有经验。擅长机器学习、深度学习、分布式机器学习和可视化等。在零售、金融和旅行等行业颇具经验,还善于理解和协调企业、人工智能和工程团队之间的关系。

ഈ ഇ-ബുക്ക് റേറ്റ് ചെയ്യുക

നിങ്ങളുടെ അഭിപ്രായം ഞങ്ങളെ അറിയിക്കുക.

വായനാ വിവരങ്ങൾ

സ്‌മാർട്ട്ഫോണുകളും ടാബ്‌ലെറ്റുകളും

Android, iPad/iPhone എന്നിവയ്ക്കായി Google Play ബുക്‌സ് ആപ്പ് ഇൻസ്‌റ്റാൾ ചെയ്യുക. ഇത് നിങ്ങളുടെ അക്കൗണ്ടുമായി സ്വയമേവ സമന്വയിപ്പിക്കപ്പെടുകയും, എവിടെ ആയിരുന്നാലും ഓൺലൈനിൽ അല്ലെങ്കിൽ ഓഫ്‌ലൈനിൽ വായിക്കാൻ നിങ്ങളെ അനുവദിക്കുകയും ചെയ്യുന്നു.

ലാപ്ടോപ്പുകളും കമ്പ്യൂട്ടറുകളും

Google Play-യിൽ നിന്ന് വാങ്ങിയിട്ടുള്ള ഓഡിയോ ബുക്കുകൾ കമ്പ്യൂട്ടറിന്‍റെ വെബ് ബ്രൗസർ ഉപയോഗിച്ചുകൊണ്ട് വായിക്കാവുന്നതാണ്.

ഇ-റീഡറുകളും മറ്റ് ഉപകരണങ്ങളും

Kobo ഇ-റീഡറുകൾ പോലുള്ള ഇ-ഇങ്ക് ഉപകരണങ്ങളിൽ വായിക്കാൻ ഒരു ഫയൽ ഡൗൺലോഡ് ചെയ്ത് അത് നിങ്ങളുടെ ഉപകരണത്തിലേക്ക് കൈമാറേണ്ടതുണ്ട്. പിന്തുണയുള്ള ഇ-റീഡറുകളിലേക്ക് ഫയലുകൾ കൈമാറാൻ, സഹായ കേന്ദ്രത്തിലുള്ള വിശദമായ നിർദ്ദേശങ്ങൾ ഫോളോ ചെയ്യുക.