Aktion	Zweigstelle	Standorte	Status	Frist	Vorbestellungen
Vorbestellen	Zweigstelle: 07., Urban-Loritz-Pl. 2a	Standorte: NT.EIA Papa / College 6c - Informatik & Computer	Status: Entliehen	Frist: 03.07.2024	Vorbestellungen: 0
Vorbestellen	Zweigstelle: 07., Urban-Loritz-Pl. 2a	Standorte: NT.EIA Papa / College 6c - Informatik & Computer	Status: Rücksortierung	Frist:	Vorbestellungen: 0

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

(Verlagstext)