PyTorch kompakt
Syntax, Design Patterns und Codebeispiele für Deep-Learning-Modelle
Übersetzung: Langenau, Frank
PAYBACK Punkte
0 °P sammeln!
Kurzgefasstes und präzises Wissen zu dem populären Deep-Learning-FrameworkSowohl für PyTorch-Einsteiger:innen als auch für Fortgeschrittene nützlichÜberblick über Modellentwicklung, Deployment, das PyTorch-Ökosystem und über hilfreiche PyTorch-BibliothekenMit Kurzeinstieg in PyTorchDieses praktische Nachschlagewerk zu PyTorch, einem der beliebtesten Frameworks für Deep Learning, hält jederzeit präzises Wissen für Sie bereit. Joe Papa bietet Ihnen mit seiner Referenz den direkten Zugriff auf Syntax, Design Patterns und gut nachvollziehbare PyTorch-Codebeispiele. Das Buch enthält -...
Kurzgefasstes und präzises Wissen zu dem populären Deep-Learning-FrameworkSowohl für PyTorch-Einsteiger:innen als auch für Fortgeschrittene nützlichÜberblick über Modellentwicklung, Deployment, das PyTorch-Ökosystem und über hilfreiche PyTorch-BibliothekenMit Kurzeinstieg in PyTorch
Dieses praktische Nachschlagewerk zu PyTorch, einem der beliebtesten Frameworks für Deep Learning, hält jederzeit präzises Wissen für Sie bereit. Joe Papa bietet Ihnen mit seiner Referenz den direkten Zugriff auf Syntax, Design Patterns und gut nachvollziehbare PyTorch-Codebeispiele. Das Buch enthält - neben einem PyTorch-Schnelleinstieg - eine Fülle von Informationen, die Ihre Entwicklungsarbeit verbessern und effizienter machen.
Data Scientists, Softwareentwickler:innen und Machine Learning Engineers finden in diesem Buch klaren, strukturierten PyTorch-Code, der jeden Schritt der Entwicklung neuronaler Netze abdeckt - vom Laden der Daten über die Anpassung von Trainingsschleifen bis hin zur Modelloptimierung und GPU-/TPU-Beschleunigung. Erfahren Sie außerdem, wie Sie Ihre ML-Modelle über AWS, Google Cloud oder Azure deployen und auf mobilen und Edge-Geräten bereitstellen.
Lernen Sie Tensoren und die grundlegende Syntax von PyTorch kennenErstellen Sie maßgeschneiderte Modelle sowie eigene Komponenten und Algorithmen für Deep LearningNutzen Sie Design Patterns zu Transfer Learning, Stimmungsanalyse oder Generative Adversarial Networks (GANs) für Ihre ProjekteTrainieren und deployen Sie Modelle sowohl auf GPUs als auch auf TPUsBeschleunigen Sie den Trainingsprozess durch Optimierung der Modelle und durch parallele und verteilte VerarbeitungInformieren Sie sich über nützliche PyTorch-Bibliotheken und das PyTorch-Ökosystem
Dieses praktische Nachschlagewerk zu PyTorch, einem der beliebtesten Frameworks für Deep Learning, hält jederzeit präzises Wissen für Sie bereit. Joe Papa bietet Ihnen mit seiner Referenz den direkten Zugriff auf Syntax, Design Patterns und gut nachvollziehbare PyTorch-Codebeispiele. Das Buch enthält - neben einem PyTorch-Schnelleinstieg - eine Fülle von Informationen, die Ihre Entwicklungsarbeit verbessern und effizienter machen.
Data Scientists, Softwareentwickler:innen und Machine Learning Engineers finden in diesem Buch klaren, strukturierten PyTorch-Code, der jeden Schritt der Entwicklung neuronaler Netze abdeckt - vom Laden der Daten über die Anpassung von Trainingsschleifen bis hin zur Modelloptimierung und GPU-/TPU-Beschleunigung. Erfahren Sie außerdem, wie Sie Ihre ML-Modelle über AWS, Google Cloud oder Azure deployen und auf mobilen und Edge-Geräten bereitstellen.
Lernen Sie Tensoren und die grundlegende Syntax von PyTorch kennenErstellen Sie maßgeschneiderte Modelle sowie eigene Komponenten und Algorithmen für Deep LearningNutzen Sie Design Patterns zu Transfer Learning, Stimmungsanalyse oder Generative Adversarial Networks (GANs) für Ihre ProjekteTrainieren und deployen Sie Modelle sowohl auf GPUs als auch auf TPUsBeschleunigen Sie den Trainingsprozess durch Optimierung der Modelle und durch parallele und verteilte VerarbeitungInformieren Sie sich über nützliche PyTorch-Bibliotheken und das PyTorch-Ökosystem
Andere Kunden interessierten sich für
