Avis des lecteurs
Résumé:Le livre offre une expérience mitigée aux utilisateurs qui essaient d'apprendre PyTorch. Alors que certains louent son accessibilité et ses exemples pratiques, d'autres critiquent son style d'écriture, la sélection des sujets et le manque d'explications complètes.
Avantages:Accessible pour les débutants, explications claires, exemples de code utiles, rythme d'apprentissage facile.
Inconvénients:Mauvais style d'écriture, manque de profondeur dans les explications, sélection de sujets étrange, prix élevé pour la valeur fournie, et concepts importants manquants.
(basé sur 4 avis de lecteurs)
Titre original :
Learning PyTorch 2.0: Experiment deep learning from basics to complex models using every potential capability of Pythonic PyTorch
Contenu du livre :
Ce livre est un guide complet pour comprendre et utiliser PyTorch 2. 0 pour les applications d'apprentissage profond. Il commence par une introduction à PyTorch, ses divers avantages par rapport aux autres frameworks d'apprentissage profond, et sa combinaison avec CUDA pour l'accélération GPU. Nous nous plongeons dans le cœur de PyTorch - les tenseurs, en apprenant leurs différents types, propriétés et opérations. Grâce à des exemples pas à pas, le lecteur apprend à effectuer des opérations arithmétiques de base sur les tenseurs, à les manipuler et à comprendre les erreurs liées aux formes des tenseurs.
Une partie importante du livre est consacrée à l'illustration de la construction de modèles PyTorch simples. Cela inclut le téléchargement et la préparation des ensembles de données, la définition de l'architecture, l'entraînement et la prédiction. Il propose des exercices pratiques avec un ensemble de données réelles. Le livre plonge ensuite dans l'exploration du module nn de PyTorch et donne une comparaison détaillée des différents types de réseaux tels que Feedforward, RNN, GRU, CNN, et leur combinaison.
En outre, le livre approfondit la compréhension du processus de formation et du module optim de PyTorch. Il explore la vue d'ensemble des algorithmes d'optimisation tels que Gradient Descent, SGD, Mini-batch Gradient Descent, Momentum, Adagrad, et Adam. Un chapitre séparé se concentre sur les concepts avancés de PyTorch 2. 0, comme la sérialisation des modèles, l'optimisation, l'entraînement distribué et l'API de quantification PyTorch.
Dans les derniers chapitres, le livre aborde les différences entre TensorFlow 2. 0 et PyTorch 2. 0 et le processus étape par étape de migration d'un modèle TensorFlow vers PyTorch 2. 0 en utilisant ONNX. Il donne un aperçu des problèmes courants rencontrés au cours de ce processus et de la manière de les résoudre.
Apprentissages clés.
⬤ Une introduction complète à PyTorch et CUDA pour l'apprentissage profond.
⬤ Compréhension détaillée et opérations sur les tenseurs PyTorch.
⬤ Guide étape par étape pour la construction de modèles PyTorch simples.
⬤ Aperçu du module nn de PyTorch et comparaison des différents types de réseaux.
⬤ Aperçu du processus d'apprentissage et exploration du module optim de PyTorch.
⬤ Compréhension des concepts avancés de PyTorch tels que la sérialisation et l'optimisation des modèles.
⬤ Connaissance de la formation distribuée dans PyTorch.
⬤ Guide pratique de l'utilisation de l'API de quantification de PyTorch.
⬤ Différences entre TensorFlow 2. 0 et PyTorch 2. 0.
⬤ Guide sur la migration des modèles TensorFlow vers PyTorch en utilisant ONNX.
Table des matières.
⬤ Introduction à PyTorch 2. 0 et CUDA 11. 8.
⬤ Démarrage avec Tensors.
⬤ Opérations avancées sur les tenseurs.
⬤ Construction de réseaux neuronaux avec PyTorch 2. 0.
⬤ Entraînement de réseaux neuronaux avec PyTorch 2. 0.
⬤ PyTorch 2. 0 Advanced.
⬤ Migration de TensorFlow vers PyTorch 2. 0.
⬤ Modèle de régression PyTorch de bout en bout.
Public.
Un livre parfait et compétent pour tous les ingénieurs en apprentissage automatique, les scientifiques des données, les ingénieurs en IA et les chercheurs de données qui cherchent passionnément à tirer des renseignements exploitables à l'aide de PyTorch 2. 0. 0. Connaître Python et les bases de l'apprentissage profond est tout ce dont vous avez besoin pour naviguer à travers ce livre.
Autres informations sur le livre :
| ISBN : | 9788196288372 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
