- عنوان: Mastering PyTorch
- نویسنده: Ashish Ranjan Jha
- حوزه: یادگیری عمیق, PyTorch
- سال انتشار: 2022
- تعداد صفحه: 229
- زبان اصلی: انگلیسی
- نوع فایل: pdf
- حجم فایل: 16.3 مگابایت
به Packt Early Access خوش آمدید. ما پیشنمایش انحصاری این کتاب را قبل از عرضه به شما ارائه میدهیم. نوشتن یک کتاب ممکن است ماهها طول بکشد، اما نویسندگان ما امروز اطلاعات پیشرفتهای برای به اشتراک گذاشتن با شما دارند. دسترسی زودهنگام با در دسترس قرار دادن پیشنویسهای فصل به شما بینشی از آخرین پیشرفتها میدهد. ممکن است در حال حاضر فصلها کمی ناهموار در لبهها باشند، اما نویسندگان ما آنها را در طول زمان بهروزرسانی خواهند کرد.
می توانید این کتاب را وارد و خارج کنید یا از ابتدا تا انتها آن را دنبال کنید.
دسترسی زودهنگام به گونه ای طراحی شده است که انعطاف پذیر باشد. امیدواریم از آشنایی بیشتر با روند نوشتن کتاب پکت لذت ببرید.
1. فصل 1: مروری بر یادگیری عمیق با PyTorch
2. فصل 2: ترکیب CNN و LSTM
3. فصل 3: معماری های عمیق CNN
4. فصل 4: معماری مدل های تکرارشونده عمیق
5. فصل 5: شبکه های عصبی پیشرفته ترکیبی
6. فصل 6: شبکه های عصبی نمودار
7. فصل 7: تولید موسیقی و متن با LSTM
8. فصل 8: انتقال سبک عصبی
9. فصل 9: تولید تصویر به متن (Imagen/DALL-E)
10. فصل 10: یادگیری تقویتی عمیق
11. فصل 11: بهینه سازی های آموزش مدل
12. فصل 12: عملیاتی کردن مدل های PyTorch در تولید
13. فصل 13: PyTorch در موبایل و دستگاه های جاسازی شده
14. فصل 14: نمونه سازی سریع با PyTorch
15. فصل 15: PyTorch و AutoML
16. فصل 16: PyTorch و ExplainableAI
17. فصل 17: سیستم های توصیه با TorchRec
18. فصل 18: PyTorch x HuggingFace
Welcome to Packt Early Access. We’re giving you an exclusive preview of this book before it goes on sale. It can take many months to write a book, but our authors have cutting-edge information to share with you today. Early Access gives you an insight into the latest developments by making chapter drafts available. The chapters may be a little rough around the edges right now, but our authors will update them over time.
You can dip in and out of this book or follow along from start to finish;
Early Access is designed to be flexible. We hope you enjoy getting to know more about the process of writing a Packt book.
1. Chapter 1: Overview of Deep Learning with PyTorch
2. Chapter 2: Combining CNNs and LSTMs
3. Chapter 3: Deep CNN architectures
4. Chapter 4: Deep Recurrent Model Architectures
5. Chapter 5: Hybrid Advanced Neural Networks
6. Chapter 6: Graph Neural Networks
7. Chapter 7: Music and Text Generation with LSTMs
8. Chapter 8: Neural Style Transfer
9. Chapter 9: Image to Text Generation (Imagen/DALL-E)
10. Chapter 10: Deep Reinforcement Learning
11. Chapter 11: Model Training Optimisations
12. Chapter 12: Operationalizing PyTorch Models into Production
13. Chapter 13: PyTorch on Mobile and Embedded Devices
14. Chapter 14: Rapid Prototyping with PyTorch
15. Chapter 15: PyTorch and AutoML
16. Chapter 16: PyTorch and ExplainableAI
17. Chapter 17: Recommendation systems with TorchRec
18. Chapter 18: PyTorch x HuggingFace
این کتاب را میتوانید بصورت رایگان از لینک زیر دانلود نمایید.
Download: Mastering PyTorch
نظرات کاربران