PyTorch kompakt
Syntax, Design Patterns und Codebeispiele für Deep-Learning-Modelle
Seiten
2021
O'Reilly (Verlag)
978-3-96010-603-6 (ISBN)
O'Reilly (Verlag)
978-3-96010-603-6 (ISBN)
- Titel leider nicht mehr lieferbar
- Artikel merken
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
Dieses praktische Nachschlagewerk zu PyTorch, einem der beliebtesten Frameworks für Deep Learning, hält jederzeit präzises Wissen für Sie bereit. Joe Papa bietet Ihnen mit seiner Referenz den direkten Zugriff auf Syntax, Design Patterns und gut nachvollziehbare PyTorch-Codebeispiele. Das Buch enthält – neben einem PyTorch-Schnelleinstieg – eine Fülle von Informationen, die Ihre Entwicklungsarbeit verbessern und effizienter machen.
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. Erfahren Sie außerdem, wie Sie Ihre ML-Modelle über AWS, Google Cloud oder Azure deployen und auf mobilen und Edge-Geräten bereitstellen.
Lernen Sie Tensoren und die grundlegende Syntax von PyTorch kennen
Erstellen Sie maßgeschneiderte Modelle sowie eigene Komponenten und Algorithmen für Deep Learning
Nutzen Sie Design Patterns zu Transfer Learning, Stimmungsanalyse oder Generative Adversarial Networks (GANs) für Ihre Projekte
Trainieren und deployen Sie Modelle sowohl auf GPUs als auch auf TPUs
Beschleunigen Sie den Trainingsprozess durch Optimierung der Modelle und durch parallele und verteilte Verarbeitung
Informieren Sie sich über nützliche PyTorch-Bibliotheken und das PyTorch-Ökosystem
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
Dieses praktische Nachschlagewerk zu PyTorch, einem der beliebtesten Frameworks für Deep Learning, hält jederzeit präzises Wissen für Sie bereit. Joe Papa bietet Ihnen mit seiner Referenz den direkten Zugriff auf Syntax, Design Patterns und gut nachvollziehbare PyTorch-Codebeispiele. Das Buch enthält – neben einem PyTorch-Schnelleinstieg – eine Fülle von Informationen, die Ihre Entwicklungsarbeit verbessern und effizienter machen.
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. Erfahren Sie außerdem, wie Sie Ihre ML-Modelle über AWS, Google Cloud oder Azure deployen und auf mobilen und Edge-Geräten bereitstellen.
Lernen Sie Tensoren und die grundlegende Syntax von PyTorch kennen
Erstellen Sie maßgeschneiderte Modelle sowie eigene Komponenten und Algorithmen für Deep Learning
Nutzen Sie Design Patterns zu Transfer Learning, Stimmungsanalyse oder Generative Adversarial Networks (GANs) für Ihre Projekte
Trainieren und deployen Sie Modelle sowohl auf GPUs als auch auf TPUs
Beschleunigen Sie den Trainingsprozess durch Optimierung der Modelle und durch parallele und verteilte Verarbeitung
Informieren Sie sich über nützliche PyTorch-Bibliotheken und das PyTorch-Ökosystem
| Erscheinungsdatum | 28.03.2025 |
|---|---|
| Sprache | deutsch |
| Maße | 165 x 240 mm |
| Themenwelt | Informatik ► Datenbanken ► Data Warehouse / Data Mining |
| Mathematik / Informatik ► Informatik ► Programmiersprachen / -werkzeuge | |
| Schlagworte | AI • Algorithmen • Artificial Intelligence • Data Science • Framework • KI • Künstliche Intelligenz • machine learning • Maschinelles Lernen • Neural networks • Neuronale Netze • Python • PyTorch • supervised learning • überwachtes Lernen • Unsupervised Learning |
| ISBN-10 | 3-96010-603-3 / 3960106033 |
| ISBN-13 | 978-3-96010-603-6 / 9783960106036 |
| Zustand | Neuware |
| Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
| Haben Sie eine Frage zum Produkt? |
Mehr entdecken
aus dem Bereich
aus dem Bereich
Ein verständlicher Einstieg mit Python
Buch | Softcover (2024)
O'Reilly (Verlag)
CHF 41,85
eine Einführung mit Python, Scikit-Learn und TensorFlow
Buch | Softcover (2024)
O'Reilly (Verlag)
CHF 27,85
