کامپیوترها

کارگاه آموزشی عمیق با PyTorch: ساخت شبکه های عصبی عمیق و برنامه های کاربردی هوش مصنوعی با PyTorch

The Deep Learning with PyTorch Workshop: Build deep neural networks and artificial intelligence applications with PyTorch

دانلود کتاب The Deep Learning with PyTorch Workshop: Build deep neural networks and artificial intelligence applications with PyTorch (به فارسی: کارگاه آموزشی عمیق با PyTorch: ساخت شبکه های عصبی عمیق و برنامه های کاربردی هوش مصنوعی با PyTorch) نوشته شده توسط «Hyatt Saleh»


اطلاعات کتاب کارگاه آموزشی عمیق با PyTorch: ساخت شبکه های عصبی عمیق و برنامه های کاربردی هوش مصنوعی با PyTorch

موضوع اصلی: کامپیوترها

نوع: کتاب الکترونیکی

ناشر: Packt Publishing – ebooks Account

نویسنده: Hyatt Saleh

زبان: english

فرمت کتاب: EPUB (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2020

تعداد صفحه: 330

حجم فایل: 9.45 مگابایت

کد کتاب: 1838989218 , 9781838989217

توضیحات کتاب کارگاه آموزشی عمیق با PyTorch: ساخت شبکه های عصبی عمیق و برنامه های کاربردی هوش مصنوعی با PyTorch

با توسعه مهارت‌های خود با PyTorch، در دنیای هوش مصنوعی و یادگیری عمیق شروع کنید

ویژگی‌های کلیدی

  • یاد بگیرید چگونه معماری شبکه خود را در عمق تعریف کنید. یادگیری
  • پیاده سازی روش های مفید برای ایجاد و آموزش یک مدل با استفاده از نحو PyTorch
  • پیدا کنید که چگونه برنامه های هوشمند با استفاده از ویژگی هایی مانند تشخیص تصویر و تشخیص گفتار واقعاً داده های شما را پردازش می کنند

شرح کتاب

می‌خواهید با یکی از محبوب‌ترین کتابخانه‌های یادگیری ماشینی برای یادگیری عمیق آشنا شوید؟ کارگاه آموزشی عمیق با PyTorch به شما کمک می کند تا دقیقاً این کار را انجام دهید، دانش خود را در مورد استفاده از PyTorch برای یادگیری عمیق حتی اگر از ابتدا شروع کرده باشید.

جای تعجب نیست که محبوبیت یادگیری عمیق به شدت در این زمینه افزایش یافته است. چند سال گذشته، به لطف برنامه‌های هوشمند مانند وسایل نقلیه خودران، ربات‌های گفتگو و دستیارهای فعال صوتی که زندگی ما را آسان‌تر می‌کنند. این کتاب شما را به دنیای یادگیری عمیق می برد، جایی که از PyTorch برای درک پیچیدگی معماری شبکه های عصبی استفاده خواهید کرد.

کارگاه آموزشی عمیق با PyTorch با مقدمه ای بر یادگیری عمیق و کاربردهای آن آغاز می شود. . شما سینتکس PyTorch را بررسی خواهید کرد و نحوه تعریف معماری شبکه و آموزش یک مدل را خواهید آموخت. در مرحله بعد، با سه معماری اصلی شبکه عصبی – کانولوشنال، مصنوعی و تکراری – آشنا خواهید شد و حتی مشکلات داده های دنیای واقعی را با استفاده از این شبکه ها حل می کنید. فصل‌های بعدی به شما نشان می‌دهند که چگونه یک مدل انتقال سبک ایجاد کنید تا یک تصویر جدید از دو تصویر ایجاد کنید، قبل از اینکه در نهایت نحوه ذخیره حافظه RNN برای حل مسائل کلیدی داده را بررسی کنید.

در پایان این کتاب، شما بر مفاهیم، ​​ابزارها و کتابخانه های ضروری PyTorch برای توسعه شبکه های عصبی عمیق و برنامه های هوشمند خود تسلط دارید.

آنچه خواهید آموخت

  • کاوش در برنامه های مختلف یادگیری عمیق
  • رویکرد PyTorch برای ساخت شبکه های عصبی را درک کنید
  • پرسپترون خود را با استفاده از PyTorch ایجاد و آموزش دهید
  • حل مشکلات رگرسیون با استفاده از شبکه های عصبی مصنوعی (ANN)
  • برطرف کردن مشکلات بینایی کامپیوتر با شبکه های عصبی کانولوشن (CNN)
  • انجام کارهای ترجمه زبان با استفاده از شبکه های عصبی تکراری (RNN)

این کتاب برای چه کسانی است

این یادگیری عمیق کتاب برای هر کسی که می خواهد مدل های یادگیری عمیق را با استفاده از PyTorch ایجاد و آموزش دهد ایده آل است. درک کامل زبان برنامه نویسی Python و بسته های آن به شما کمک می کند تا موضوعات تحت پوشش کتاب را سریعتر درک کنید.

فهرست محتوا

  1. مقدمه ای بر یادگیری عمیق و PyTorch
  2. بلوک های ساختمان شبکه های عصبی
  3. یک مشکل طبقه بندی با استفاده از DNN
  4. شبکه های عصبی کانولوشن
  5. انتقال سبک
  6. تجزیه و تحلیل توالی داده ها با RNN

Get a head start in the world of AI and deep learning by developing your skills with PyTorch

Key Features

  • Learn how to define your own network architecture in deep learning
  • Implement helpful methods to create and train a model using PyTorch syntax
  • Discover how intelligent applications using features like image recognition and speech recognition really process your data

Book Description

Want to get to grips with one of the most popular machine learning libraries for deep learning? The Deep Learning with PyTorch Workshop will help you do just that, jumpstarting your knowledge of using PyTorch for deep learning even if you’re starting from scratch.

It’s no surprise that deep learning’s popularity has risen steeply in the past few years, thanks to intelligent applications such as self-driving vehicles, chatbots, and voice-activated assistants that are making our lives easier. This book will take you inside the world of deep learning, where you’ll use PyTorch to understand the complexity of neural network architectures.

The Deep Learning with PyTorch Workshop starts with an introduction to deep learning and its applications. You’ll explore the syntax of PyTorch and learn how to define a network architecture and train a model. Next, you’ll learn about three main neural network architectures – convolutional, artificial, and recurrent – and even solve real-world data problems using these networks. Later chapters will show you how to create a style transfer model to develop a new image from two images, before finally taking you through how RNNs store memory to solve key data issues.

By the end of this book, you’ll have mastered the essential concepts, tools, and libraries of PyTorch to develop your own deep neural networks and intelligent apps.

What you will learn

  • Explore the different applications of deep learning
  • Understand the PyTorch approach to building neural networks
  • Create and train your very own perceptron using PyTorch
  • Solve regression problems using artificial neural networks (ANNs)
  • Handle computer vision problems with convolutional neural networks (CNNs)
  • Perform language translation tasks using recurrent neural networks (RNNs)

Who this book is for

This deep learning book is ideal for anyone who wants to create and train deep learning models using PyTorch. A solid understanding of the Python programming language and its packages will help you grasp the topics covered in the book more quickly.

Table of Contents

  1. Introduction to Deep Learning and PyTorch
  2. Building Blocks of Neural Networks
  3. A Classification Problem Using DNNs
  4. Convolutional Neural Networks
  5. Style Transfer
  6. Analyzing the Sequence of Data with RNNs

دانلود کتاب «کارگاه آموزشی عمیق با PyTorch: ساخت شبکه های عصبی عمیق و برنامه های کاربردی هوش مصنوعی با PyTorch»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.

برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.

دیدگاهتان را بنویسید