Titre original :
Automated Deep Learning Using Neural Network Intelligence: Develop and Design Pytorch and Tensorflow Models Using Python
Contenu du livre :
Optimisez, développez et concevez des modèles PyTorch et TensorFlow pour un problème spécifique à l'aide de la boîte à outils Microsoft Neural Network Intelligence (NNI). Ce livre comprend des exemples pratiques illustrant des approches automatisées d'apprentissage profond et fournit des techniques pour faciliter le développement de vos modèles d'apprentissage profond.
Les premiers chapitres de ce livre couvrent les bases de l'utilisation de la boîte à outils NNI et les méthodes de résolution des tâches d'optimisation des hyper-paramètres. Vous comprendrez le problème de maximisation des fonctions de boîte noire à l'aide de la NNI et saurez comment préparer un modèle TensorFlow ou PyTorch pour l'optimisation des hyperparamètres, lancer une expérience et interpréter les résultats. Le livre se penche sur les tuners d'optimisation et les algorithmes de recherche sur lesquels ils sont basés : La recherche par évolution, la recherche par recuit et l'approche d'optimisation bayésienne. La recherche d'architecture neuronale est couverte et vous apprendrez comment développer des modèles d'apprentissage profond à partir de zéro. Les approches de conception automatique de réseaux neuronaux par essais multiples et par recherche d'un seul essai sont présentées. Le livre vous apprend à construire un espace de recherche et à lancer une recherche d'architecture en utilisant les dernières stratégies d'exploration de pointe : Efficient Neural Architecture Search (ENAS) et Differential Architectural Search (DARTS). Vous apprendrez à automatiser la construction d'une architecture de réseau neuronal pour un problème et un ensemble de données particuliers. Le livre se concentre sur la compression des modèles et les méthodes d'ingénierie des caractéristiques qui sont essentielles dans l'apprentissage profond automatisé. Il inclut également des techniques de performance qui permettent la création de plateformes de formation distributives à grande échelle à l'aide de la NNI.
Après avoir lu ce livre, vous saurez comment utiliser l'ensemble des outils des méthodes automatisées d'apprentissage profond. Les techniques et les exemples pratiques présentés dans ce livre vous permettront d'élever vos routines de réseaux neuronaux à un niveau supérieur.
Ce que vous apprendrez
⬤ Connaître les concepts de base des tuners d'optimisation, de l'espace de recherche et des essais.
⬤ Appliquer différents algorithmes d'optimisation hyperparamétrique pour développer des réseaux neuronaux efficaces.
⬤ Construire de nouveaux modèles d'apprentissage profond à partir de zéro.
⬤ Exécuter la recherche automatisée d'architecture neuronale pour créer des modèles d'apprentissage profond de pointe.
⬤ Comprimer le modèle pour éliminer les couches d'apprentissage profond inutiles.
À qui s'adresse ce livre ?
Les data scientists de niveau intermédiaire à avancé et les ingénieurs en apprentissage automatique impliqués dans l'apprentissage profond et le développement pratique de réseaux neuronaux.
Autres informations sur le livre :
| ISBN : | 9781484281482 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
| Année de publication : | 2022 |
| Nombre de pages : | 384 |
Achat:
Actuellement disponible, en stock.
