Aprendizaje de PyTorch 2.0: Experimenta el aprendizaje profundo desde lo básico hasta modelos complejos utilizando todas las capacidades potenciales de Pythonic PyTorch

Opiniones de los lectores

El libro ofrece una experiencia mixta para los usuarios que intentan aprender PyTorch. Mientras que algunos elogian su accesibilidad y ejemplos prácticos, otros critican su estilo de escritura, la selección de temas y la falta de explicaciones exhaustivas.

Accesible para principiantes, explicaciones claras, ejemplos de código útiles, ritmo de aprendizaje fácil.

Estilo de redacción deficiente, falta de profundidad en las explicaciones, extraña selección de temas, precio elevado para el valor proporcionado y omisión de conceptos importantes.

(basado en 4 opiniones de lectores)

Título original:

Learning PyTorch 2.0: Experiment deep learning from basics to complex models using every potential capability of Pythonic PyTorch

Contenido del libro:

Este libro es una guía completa para entender y utilizar PyTorch 2.0 para aplicaciones de aprendizaje profundo. 0 para aplicaciones de aprendizaje profundo. Comienza con una introducción a PyTorch, sus diversas ventajas sobre otros marcos de aprendizaje profundo, y su mezcla con CUDA para la aceleración de la GPU. Nos adentramos en el corazón de PyTorch: los tensores, aprendiendo sus distintos tipos, propiedades y operaciones. A través de ejemplos paso a paso, el lector aprende a realizar operaciones aritméticas básicas sobre tensores, a manipularlos y a entender los errores relacionados con las formas de los tensores.

Una parte sustancial del libro está dedicada a ilustrar cómo construir modelos PyTorch sencillos. Esto incluye cargar y preparar conjuntos de datos, definir la arquitectura, entrenar y predecir. Proporciona ejercicios prácticos con un conjunto de datos del mundo real. A continuación, el libro se sumerge en la exploración del módulo nn de PyTorch y ofrece una comparación detallada de diferentes tipos de redes como Feedforward, RNN, GRU, CNN y su combinación.

Además, el libro profundiza en la comprensión del proceso de entrenamiento y el módulo optim de PyTorch. Explora la visión general de algoritmos de optimización como Gradient Descent, SGD, Mini-batch Gradient Descent, Momentum, Adagrad y Adam. Un capítulo aparte se centra en conceptos avanzados de PyTorch 2.0, como la serialización de modelos, la optimización, etc. 0, como serialización de modelos, optimización, entrenamiento distribuido y PyTorch Quantization API.

En los capítulos finales, el libro analiza las diferencias entre TensorFlow 2. 0 y PyTorch 2. 0 y el proceso paso a paso de migración de un modelo TensorFlow a PyTorch 2. 0 utilizando ONNX. 0 utilizando ONNX. Proporciona una visión general de los problemas comunes encontrados durante este proceso y cómo resolverlos.

Aprendizajes Clave.

⬤ Una introducción completa a PyTorch y CUDA para el aprendizaje profundo.

⬤ Comprensión detallada y operaciones con tensores de PyTorch.

⬤ Guía paso a paso para construir modelos PyTorch sencillos.

⬤ Conocimiento del módulo nn de PyTorch y comparación de varios tipos de redes.

⬤ Visión general del proceso de entrenamiento y exploración del módulo optim de PyTorch.

⬤ Comprensión de conceptos avanzados en PyTorch como serialización de modelos y optimización.

⬤ Conocimiento del entrenamiento distribuido en PyTorch.

⬤ Guía práctica para el uso de la API de cuantificación de PyTorch.

⬤ Diferencias entre TensorFlow 2.0 y PyTorch 2.0. 0.

⬤ Guía para migrar modelos TensorFlow a PyTorch usando ONNX.

Tabla de Contenidos.

⬤ Introducción a Pytorch 2.0 y CUDA 11.0. 0 y CUDA 11. 8.

⬤ Introducción a los Tensores.

⬤ Operaciones Avanzadas con Tensores.

⬤ Construcción de redes neuronales con PyTorch 2.0. 0.

⬤ Entrenamiento de Redes Neuronales en PyTorch 2. 0. 0.

⬤ PyTorch 2. 0 Avanzado. 0 Avanzado.

⬤ Migrando de TensorFlow a PyTorch 2.0. 0.

⬤ Modelo de Regresión PyTorch End-to-End.

Audiencia.

Un libro perfecto y hábil para todos los ingenieros de aprendizaje automático, científicos de datos, ingenieros de IA e investigadores de datos que buscan apasionadamente obtener inteligencia procesable utilizando PyTorch 2.0. Conocer Python y los fundamentos de PyTorch 2.0 es muy útil. 0. Saber Python y los fundamentos del aprendizaje profundo es todo lo que necesitas para navegar a través de este libro.