Avis des lecteurs
Résumé:Le livre sert d'introduction à PyTorch et à l'apprentissage profond, en fournissant une vue d'ensemble cohérente des différentes architectures et techniques. Bien qu'il comprenne des exemples pratiques et des étapes critiques dans le processus d'apprentissage, il a été critiqué pour ses erreurs de code, son manque de profondeur et son caractère trop basique.
Avantages:⬤ Couvre un large éventail d'architectures et de techniques
⬤ sert de bonne introduction à PyTorch
⬤ exemples et projets pratiques
⬤ organise bien le contenu
⬤ fournit des conseils critiques pour les praticiens
⬤ inclut des références en ligne.
⬤ Les exemples de code ne sont souvent pas exécutables
⬤ beaucoup d'erreurs et de fautes de frappe dans le code
⬤ manque de profondeur dans les sujets
⬤ certains contenus semblent recyclés ou incomplets
⬤ imprimé en noir et blanc
⬤ peut ne pas convenir aux apprenants avancés.
(basé sur 19 avis de lecteurs)
Titre original :
Programming Pytorch for Deep Learning: Creating and Deploying Deep Learning Applications
Contenu du livre :
Passez à l'étape suivante de la maîtrise de l'apprentissage profond, la méthode d'apprentissage automatique qui transforme le monde qui nous entoure à chaque seconde. Dans ce livre pratique, vous vous familiariserez avec les idées clés en utilisant le framework open source PyTorch de Facebook et vous acquerrez les compétences les plus récentes dont vous avez besoin pour créer vos propres réseaux neuronaux.
Ian Pointer vous montre comment configurer PyTorch dans un environnement basé sur le cloud, puis vous accompagne dans la création d'architectures neuronales qui facilitent les opérations sur les images, le son, le texte et plus encore, grâce à des plongées approfondies dans chaque élément. Il couvre également les concepts critiques de l'application de l'apprentissage par transfert aux images, du débogage des modèles et de PyTorch en production.
⬤ Apprenez à déployer des modèles d'apprentissage profond en production.
⬤ Explorer les cas d'utilisation de PyTorch dans plusieurs entreprises de premier plan.
⬤ Apprendre à appliquer l'apprentissage par transfert aux images.
⬤ Appliquer les techniques de pointe du NLP en utilisant un modèle formé sur Wikipédia.
⬤ Utiliser la bibliothèque torchaudio de PyTorch pour classifier des données audio avec un modèle basé sur la convolution.
⬤ Déboguer les modèles PyTorch en utilisant TensorBoard et flame graphs.
⬤ Déployer des applications PyTorch en production dans des conteneurs Docker et des clusters Kubernetes fonctionnant sur Google Cloud.
Autres informations sur le livre :
| ISBN : | 9781492045359 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2019 |
| Nombre de pages : | 225 |
Achat:
Actuellement disponible, en stock.
