Pytorch Recipes: A Problem-Solution Approach to Build, Train and Deploy Neural Network Models (Recetas de Pytorch: Un enfoque problema-solución para construir, entrenar y desplegar modelos de redes neuronales)

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 2 votos.

Título original:

Pytorch Recipes: A Problem-Solution Approach to Build, Train and Deploy Neural Network Models

Contenido del libro:

Aprenda a utilizar PyTorch para construir modelos de redes neuronales utilizando fragmentos de código actualizados para esta segunda edición. Este libro incluye nuevos capítulos que cubren temas como el modelado PyTorch distribuido, el despliegue de modelos PyTorch en producción y los desarrollos en torno a PyTorch con código actualizado.

Empezarás aprendiendo a utilizar tensores para desarrollar y ajustar modelos de redes neuronales e implementar modelos de aprendizaje profundo como LSTMs y RNNs. A continuación, explorarás conceptos de distribución de probabilidad utilizando PyTorch, así como algoritmos supervisados y no supervisados con PyTorch. A esto le sigue una inmersión profunda en la construcción de modelos con redes neuronales convolucionales, redes neuronales profundas y redes neuronales recurrentes utilizando PyTorch. Esta nueva edición cubre también temas como Scorch, un módulo compatible equivalente a la librería de aprendizaje automático Scikit, la cuantización de modelos para reducir el tamaño de los parámetros, y la preparación de un modelo para su despliegue en un sistema de producción. El procesamiento paralelo distribuido para equilibrar las cargas de trabajo de PyTorch, el uso de PyTorch para el procesamiento de imágenes, el análisis de audio y la interpretación de modelos también se tratan en detalle. Cada capítulo incluye fragmentos de código de recetas para realizar actividades específicas.

Al final de este libro, usted será capaz de construir con confianza modelos de redes neuronales utilizando PyTorch.

Lo que aprenderá

⬤ Utilizar nuevos fragmentos de código y modelos para entrenar modelos de aprendizaje automático utilizando PyTorch.

⬤ Entrenar modelos de aprendizaje profundo con menos implementaciones y más inteligentes.

⬤ Explorar el marco de PyTorch para la explicabilidad del modelo y aportar transparencia a la interpretación del modelo.

⬤ Construir, entrenar e implementar modelos de redes neuronales diseñados para escalar con PyTorch.

⬤ Comprender las mejores prácticas para evaluar y ajustar modelos utilizando PyTorch.

⬤ Utilizar características avanzadas de antorcha en el entrenamiento de redes neuronales profundas.

⬤ Explorar varios modelos de redes neuronales utilizando PyTorch.

⬤ Descubrir funciones compatibles con modelos compatibles con sci-kit learn.

⬤ Realizar el entrenamiento y ejecución distribuida de PyTorch.

Who This Book Is ForIngenieros de aprendizaje automático, científicos de datos y programadores de Python y desarrolladores de software interesados en aprender el marco PyTorch.