PyTorch für Deep Learning

Anwendungen für Bild-, Ton- und Textdaten entwickeln und deployen

PyTorch für Deep Learning

Name: PyTorch für Deep Learning
Price: 34.9 EUR
Availability: InStock
Author: Ian Pointer
ISBN: 9783960091349

Anwendungen für Bild-, Ton- und Textdaten entwickeln und deployen

	OReilly (dpunkt)
Autor:in	Ian Pointer
	247 Seiten, Softcover
Erschienen	09/2020
	978-3-96009-134-9 9783960091349

€

Best.-Nr.:

Deep Learning, eine Teildisziplin des Machine Learning, verändert die Welt um uns herum. Mit diesem Praxisbuch meistern Sie den gesamten Entwicklungszyklus vom Erstellen über das Debuggen bis zum Deployen. Ian Pointer macht Sie mit PyTorch vertraut, dem populären Python-Framework von Facebook. Sie lernen Sie Schlüsselkonzepte und neueste Techniken kennen, um Ihre eigenen neuronalen Netze zu entwickeln.

Nachdem Sie zuerst PyTorch in einer Cloud-basierten Umgebung eingerichtet haben, führt das Buch Sie durch die einzelnen Schritte der Entwicklung von neuronalen Architekturen, um typische Anwendungen für Bilder, Ton, Text und andere Datenformate zu erstellen.

Der Autor erläutert auch das innovative Konzept des Transfer Learning und das Debuggen der Modelle. Sie erfahren zudem, wie Sie Ihre Deep-Learning-Anwendungen in den Produktiveinsatz bringen.

Aus dem Inhalt

Ergründen Sie modernste Modelle für das Natural Language Processing, die mit umfangreichen Textkorpora wie dem Wikipedia-Datensatz trainiert wurden
Verwenden Sie das PyTorch-Paket torchaudio, um Audiodateien mit einem neuronalen Konvolutionsmodell zu klassifizieren
Lernen Sie, wie man Transfer Learning auf Bilder anwendet
Debuggen Sie PyTorch-Modelle mithilfe von TensorBoard und Flammendiagrammen
Deployen Sie PyTorch-Anwendungen im Produktiveinsatz in Docker-Containern und Kubernetes-Clustern, die in der Google Cloud laufen
Erkunden Sie PyTorch-Anwendungsfälle von führenden Unternehmen

Hier das ganze Inhaltsverzeichnis lesen.

Das Buch wurde für die deutsche Ausgabe von Marcus Fraaß in Zusammenarbeit mit Ian Pointer aktualisiert und um einige Themen erweitert.

In dieser Leseprobe beginnen Sie mit der Entwicklung einer PyTorch-Anwendung zur Bildklassifizierung. Der Klassifikator soll zunächst Fische und Katzen erkennen. Statt mühsam eine Vielzahl von Kriterien zur Unterscheidung der Tiere aufzustellen, wird der Rechner durch Deep Learning dazu gebracht, diese Regeln mithilfe vieler Beispielbilder selbst zu erstellen.

„PyTorch ist eine der am schnellsten wachsenden Bibliotheken für Deep Learning; sie kann es mit Googles Schwergewicht TensorFlow aufnehmen. Dieses Buch ist ein Muss für alle Machine-Learning-Entwickler und -Researcher, die PyTorch bei ihrer täglichen Arbeit einsetzen möchten.“

– Ankur Patel
Vice President Data Science bei 7Park Data

Wer hat's geschrieben?

Ian Pointer ist Senior Big Data und Deep Learning Architect. Er hat sich auf Lösungen für Fortune-100-Kunden spezialisiert, die auf Methoden des Machine Learnings (insbesondere Deep Learning) basieren. Ian arbeitet derzeit bei Lucidworks, wo er sich innovativen NLP-Anwendungen und dem Engineering widmet.

PyTorch für Deep Learning

Anwendungen für Bild-, Ton- und Textdaten entwickeln und deployen

PyTorch für Deep Learning

Anwendungen für Bild-, Ton- und Textdaten entwickeln und deployen

	OReilly (dpunkt)
Autor:in	Ian Pointer
	247 Seiten, Softcover
Erschienen	09/2020
	978-3-96009-134-9 9783960091349

€

Best.-Nr.:

Betriebssysteme

Office-Anwendungen

Utilities, Dienstprogramme

Produktivitäts-Software

Büro & Finanzen

Foto, Audio & Video

Sicherheit & Backup

Programmieren

Apple, Mac

Computer & Office

Künstliche Intelligenz

Programmierung

Grafik & Design

Web & Online-Marketing

Server & Netzwerke

Für Maker, Elektronik & Co.

Business

Basics

Fototechniken

Fotogenres

Bildbearbeitung

Kamerahandbücher

Weitere Themen

Home

Software

Software-Neuerscheinungen

Marken

Für Unternehmen

Für Schüler und Studenten

Lesen Computing

Lesen Fotografie

Bücher-Neuerscheinungen

Bücher zum Vorbestellen

Neuheiten

PyTorch für Deep Learning

Anwendungen für Bild-, Ton- und Textdaten entwickeln und deployen

Aus dem Inhalt

Wer hat's geschrieben?