Avis des lecteurs
Résumé:Le livre est un mélange d'idées utiles et d'inconvénients importants. Alors que certains utilisateurs apprécient ses conseils concis et ses références pratiques pour PyTorch, d'autres critiquent sa taille, son formatage et son contenu obsolète, suggérant qu'il a besoin d'une meilleure exécution et de mises à jour.
Avantages:** Il s'agit d'une référence rapide pour les utilisateurs de PyTorch. ** Concis et informatif, il offre des conseils pratiques allant au-delà d'une simple référence à l'API. ** Il est bien adapté aux apprenants solitaires et à ceux qui recherchent les meilleures pratiques. ** Complet pour un développement de bout en bout dans un format de poche.
Inconvénients:** Le livre est physiquement petit avec une police très petite, ce qui le rend difficile à lire. ** Le contenu est souvent obsolète ou inexact, avec des plaintes concernant des exemples de code cassés. ** Manque de profondeur dans les explications, ce qui entraîne une perte d'espace pour les informations de base. ** Aucune exigence de version ou directive de reproductibilité n'est fournie. ** De nombreux utilisateurs suggèrent que de meilleures ressources sont disponibles en ligne par rapport à ce livre.
(basé sur 13 avis de lecteurs)
Titre original :
Pytorch Pocket Reference: Building and Deploying Deep Learning Models
Contenu du livre :
Cette référence concise et facile à utiliser met à votre portée l'un des frameworks les plus populaires pour la recherche et le développement de l'apprentissage profond. L'auteur Joe Papa fournit un accès instantané à la syntaxe, aux modèles de conception et aux exemples de code afin d'accélérer votre développement et de réduire le temps que vous passez à chercher des réponses.
Les chercheurs, les ingénieurs en apprentissage automatique et les développeurs de logiciels trouveront un code PyTorch clair et structuré qui couvre chaque étape du développement d'un réseau neuronal, du chargement des données à la personnalisation des boucles d'entraînement, en passant par l'optimisation des modèles et l'accélération GPU/TPU. Apprenez rapidement à déployer votre code en production à l'aide d'AWS, Google Cloud ou Azure et déployez vos modèles de ML sur des appareils mobiles et périphériques.
⬤ Apprenez la syntaxe de base de PyTorch et les modèles de conception.
⬤ Créer des modèles personnalisés et des transformations de données.
⬤ Entraîner et déployer des modèles à l'aide d'un GPU et d'un TPU.
⬤ Entraînement et test d'un classificateur d'apprentissage profond.
⬤ Accélérer la formation en utilisant l'optimisation et la formation distribuée.
⬤ Accéder aux bibliothèques PyTorch utiles et à l'écosystème PyTorch.
Autres informations sur le livre :
| ISBN : | 9781492090007 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2021 |
| Nombre de pages : | 310 |
Achat:
Actuellement disponible, en stock.
