PyTorch, Освещая глубокое обучение, Стивенс Э., Антига Л., Виман Т., 2022.
Многие средства глубокого обучения используют Python, но именно библиотека PyTorch по-настоящему «питоническая». Легкая в освоении для тех, кто знаком с NumPy и scikit-learn, PyTorch упрощает работу с глубоким обучением, обладая в то же время богатым набором функций. PyTorch прекрасно подходит для быстрого создания моделей и без проблем масштабируется до корпоративного проекта. PyTorch используют такие компании, как Apple и JPMorgan Chase. Навыки работы с этой библиотекой пригодятся вам для карьерного роста. Вы научитесь создавать нейронные сети и системы глубокого обучения с помощью PyTorch. Книга поможет быстро приступить к созданию реального проекта с нуля. В ней описаны лучшие практики всего конвейера работы с данными, включая PyTorch Tensor API, загрузку данных на Python, мониторинг обучения и визуализацию полученных результатов.
ИСПОЛЬЗОВАНИЕ PYTORCH ДЛЯ ГЛУБОКОГО ОБУЧЕНИЯ.
Ру Torch — фреймворк/библиотека для программ на языке Python, который помогает создавать проекты глубокого обучения с упором на гибкость и возможность выражать модели глубокого обучения в характерном для Python стиле. Благодаря доступности и легкости использования Ру Torch быстро нашел приверженцев в научном сообществе и за прошедшие с момента первого выпуска годы стал одним из самых значимых инструментов глубокого обучения с широким спектром приложений. Как и сам Python для программирования вообще, Ру Torch очень хорошо подходит для знакомства с глубоким обучением. В то же время библиотека Ру Torch доказала свою пригодность для коммерческого использования для масштабных реальных задач. Мы убеждены, что понятный синтаксис, потоковый API и удобство отладки библиотеки PyTorch делают ее прекрасным вариантом для знакомства с глубоким обучением. Мы настоятельно рекомендуем вам начать изучение библиотек глубокого обучения именно с PyTorch. Окажется ли она последней из изученных вами библиотек глубокого обучения — решать вам.
Краткое содержание.
Часть I.Основы PyTorch.
Часть II.Обучение на изображениях на практике: раннее выявление рака легких.
Часть III.Развертывание.
Купить .
Теги: Стивенс :: Антига :: Виман :: машинное обучение :: интернет библиотеки
Смотрите также учебники, книги и учебные материалы:
- Бизнес-моделирование и анализ данных, Решение актуальных задач с помощью Microsoft Excel, Уэйн В., 2021
- Kafka Streams в действии, Приложения и микросервисы для работы в реальном времени, Беджек Б., 2020
- Алгоритмы Data Science и их практическая реализация на Python, Учебное пособие, Протодьяконов А.В., Пылов П.А., Садовников В.Е., 2022
- System Design, Машинное обучение, Подготовка к сложному интервью, Сюй А., Аминиан А., 2024
- Python и машинное обучение, Машинное и глубокое обучение с использованием Python, scikit-learn и TensorFlow, Рашка С., Мирджалили В., 2020
- Python для data science, Васильев Ю., 2023
- Google BigQuery, Всё о хранилищах данных, аналитике и машинном обучении, Лакшманан В., Тайджани Д., 2021
- Data Science, Наука о данных с нуля, Грас Д., 2021