Deep Learning with PyTorch: A practical approach to building neural network models using PyTorch
Kurzinformation
inkl. MwSt. Versandinformationen
Lieferzeit 1-3 Werktage
Lieferzeit 1-3 Werktage
Beschreibung
"Deep Learning with PyTorch: A Practical Approach to Building Neural Network Models Using PyTorch" von Vishnu Subramanian ist ein umfassendes Handbuch, das sich an Entwickler und Datenwissenschaftler richtet, die ihre Fähigkeiten im Bereich des Deep Learnings mit der PyTorch-Bibliothek vertiefen möchten. Das Buch bietet eine praxisorientierte Einführung in die Konzepte und Techniken des Deep Learnings und zeigt, wie man leistungsfähige neuronale Netzwerke mit PyTorch entwickelt. Es beginnt mit den Grundlagen von PyTorch und führt den Leser schrittweise durch die Erstellung einfacher Modelle bis hin zu komplexeren Architekturen. Themen wie Convolutional Neural Networks (CNNs), Recurrent Neural Networks (RNNs) und Transfer Learning werden ausführlich behandelt. Darüber hinaus enthält das Buch praktische Beispiele und Code-Snippets, die es dem Leser ermöglichen, das Gelernte sofort anzuwenden. Subramanian legt großen Wert auf eine verständliche Darstellung der theoretischen Konzepte sowie deren Umsetzung in der Praxis. Das Buch eignet sich sowohl für Einsteiger als auch für Fortgeschrittene, die ihre Kenntnisse im Bereich des Deep Learnings erweitern wollen. Durch zahlreiche Übungen und Projekte wird der Lernprozess unterstützt und vertieft. Insgesamt bietet "Deep Learning with PyTorch" einen klar strukturierten Leitfaden zur Entwicklung effektiver Deep-Learning-Modelle mit einer der beliebtesten Bibliotheken in diesem Bereich.
Produktdetails
So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
- Hardcover
- 254 Seiten
- Erschienen 2018
- O'Reilly Media, Inc, USA
- Hardcover
- 350 Seiten
- Erschienen 2019
- O'Reilly Media
- Hardcover
- 306 Seiten
- Erschienen 2019
- Packt Publishing
- Hardcover
- 852 Seiten
- Erschienen 2016
- Springer
- Hardcover
- 288 Seiten
- Erschienen 2023
- Wiley-IEEE Press
- Hardcover
- 272 Seiten
- Erschienen 2018
- Packt Publishing
- Hardcover
- 272 Seiten
- Erschienen 1996
- Wiley-Interscience
- Hardcover
- 240 Seiten
- Erschienen 2021
- Wiley-IEEE Press
- Hardcover
- 329 Seiten
- Erschienen 2022
- Apress