PyTorch kompakt

Syntax, Design Patterns und Codebeispiele für Deep-Learning-Modelle

Joe Papa, Frank Langenau

• Verlag: O'Reilly
• Jahr: 2021
• ISBN drucken:
  9783960091851
• eBook-ISBN:
  9783960106012
• Thema: Informatica
• Thema: Data mining

Eine großartige Ressource für alle, die mit PyTorch arbeiten Kurzgefasstes und präzises Wissen zu dem populären Deep-Learning-Framework Sowohl für PyTorch-Einsteiger:innen als auch für Fortgeschrittene nützlich Überblick über Modellentwicklung, Deployment, das PyTorch-Ökosystem und über hilfreiche PyTorch-Bibliotheken Mit Kurzeinstieg in PyTorch Mit diesem benutzerfreundlichen Nachschlagewerk zu PyTorch haben Sie kompaktes Wissen zu einem der beliebtesten Frameworks für Deep Learning immer zur Hand. Der Autor Joe Papa bietet Ihnen mit dieser Referenz den sofortigen Zugriff auf Syntax, Design Patterns und gut nachvollziehbare Codebeispiele - eine Fülle an gesammelten Informationen, die Ihre Entwicklungsarbeit beschleunigen und die Zeit minimieren, die Sie mit der Suche nach Details verbringen. 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. Lernen Sie in kurzer Zeit, wie Sie Ihren Code mit AWS, Google Cloud oder Azure in der Produktivumgebung einsetzen und Ihre ML-Modelle auf mobilen und Edge-Geräten bereitstellen.

Inhaltsverzeichnis

• Cover
• Titel
• Impressum
• Inhalt
• Vorwort
• 1 Eine Einführung in PyTorch
• 2 Tensoren
• 3 Deep-Learning-Entwicklung mit PyTorch
• 4 Referenzentwürfe für die Entwicklung neuronaler Netze
• 5 PyTorch anpassen
• 6 PyTorch beschleunigen und optimieren
• 7 PyTorch in die Produktion überführen
• 8 Das PyTorch-Ökosystem und zusätzliche Ressourcen
• Fußnoten
• Index
• Über den Autor
• Kolophon