Ricettario PyTorch: Oltre 100 soluzioni per RNN, CNN, strumenti python, addestramento distribuito e reti a grafo

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 2 voti.

Titolo originale:

PyTorch Cookbook: 100+ Solutions across RNNs, CNNs, python tools, distributed training and graph networks

Contenuto del libro:

Date un'occhiata a questo "PyTorch Cookbook", una guida completa con ricette e soluzioni essenziali per PyTorch e l'ecosistema. Il libro tratta lo sviluppo del deep learning con PyTorch dal principiante all'esperto in capitoli ben scritti.

Il libro semplifica le reti neurali, l'addestramento, l'ottimizzazione e le strategie di distribuzione capitolo per capitolo. La prima parte copre le basi di PyTorch, la preelaborazione dei dati, la tokenizzazione e il vocabolario. Poi costruisce CNN, RNN, Attentional Layers e Graph Neural Networks. Il libro enfatizza l'addestramento distribuito, la scalabilità e l'addestramento multi-GPU per gli scenari del mondo reale. Sistemi embedded pratici, sviluppo mobile e soluzioni di compressione dei modelli illuminano le applicazioni di intelligenza artificiale sui dispositivi. Tuttavia, il libro va oltre il codice e gli algoritmi. Offre anche la risoluzione pratica dei problemi e il debug per lo sviluppo end-to-end del deep learning. PyTorch Cookbook" copre la raccolta dei dati e gli errori di distribuzione e fornisce soluzioni dettagliate per superarli.

Questo libro integra PyTorch con ONNX Runtime, PySyft, Pyro, Deep Graph Library (DGL), Fastai e Ignite, mostrandovi come utilizzarli nei vostri progetti. Questo libro tratta l'inferenza in tempo reale, l'addestramento dei cluster, il model serving e la compatibilità multipiattaforma. Imparerete a codificare le architetture di deep learning, a lavorare con le reti neurali e a gestire le fasi di sviluppo del deep learning. PyTorch Cookbook" è un manuale completo che vi aiuterà a diventare uno sviluppatore PyTorch sicuro di sé e un ingegnere di deep learning intelligente. I suoi esempi chiari e i consigli pratici lo rendono una lettura obbligata per chiunque voglia usare PyTorch e progredire nel deep learning.

Principali insegnamenti.

⬤ Introduzione completa a PyTorch, che fornisce ai lettori le competenze fondamentali per l'apprendimento profondo.

⬤ Dimostrazioni pratiche di varie reti neurali, per migliorare la comprensione attraverso la pratica.

⬤ Esplorazione delle reti neurali grafiche (GNN), che aprono le porte a campi di ricerca all'avanguardia.

⬤ Approfondimento degli strumenti e delle librerie di PyTorch, per espandere le capacità al di là delle funzioni principali.

⬤ Guida passo passo all'addestramento distribuito, che consente di realizzare progetti scalabili di deep learning e AI.

⬤ Informazioni sulle applicazioni del mondo reale, che colmano il divario tra la conoscenza teorica e l'esecuzione pratica.

⬤ Focus sullo sviluppo mobile ed embedded con PyTorch, che porta all'IA sul dispositivo.

⬤ Eccentuazione della gestione degli errori e della risoluzione dei problemi, per preparare i lettori ad affrontare le sfide del mondo reale.

⬤ Argomenti avanzati come l'inferenza in tempo reale e la compressione dei modelli, per fornire competenze pronte per il futuro.

Indice dei contenuti.

⬤ Introduzione a PyTorch 2.0. 0.

⬤ Blocchi costruttivi dell'apprendimento approfondito.

⬤ Reti neurali evolutive.

⬤ Reti neurali ricorrenti.

⬤ Elaborazione del linguaggio naturale.

⬤ Reti neurali grafiche (GNN).

⬤ Funzionamento con i più diffusi strumenti PyTorch.

⬤ Formazione distribuita e scalabilità.

⬤ Sviluppo mobile ed embedded.