PyTorch, geliştiricilere ücretsiz olarak sağlanan bir derin öğrenme kitabını resmen üretti
İçbükey tapınaktan Qian Ming Qubit Raporu | Genel Hesap QbitAI
"Geliştiricilerin PyTorch'u kullanmalarına yardımcı olmak için," PyTorch ile Derin Öğrenme "kitabını hazırlıyoruz".
Az önce PyTorh haberi resmi Twitter'da yayınladı ve kitabın Bedava Topluma sağlayın.
Yayıncı Manning Press'in girişine göre, bu kitabın özü size derin öğrenme algoritmalarını uygulamak için Python ve PyTorch'u nasıl kullanacağınızı öğretmektir.
Bu nedenle yayıncı, bu kitabı daha iyi sindirmek istiyorsanız, Python bilgisine ve temel doğrusal cebire dair bir anlayışa sahip olmanız gerektiğini ve derin öğrenmeyi biraz daha iyi anlamanız gerektiğini, ancak PyTorch veya diğer derin öğrenme çerçevelerini kullanma yeteneğine sahip olmanıza gerek olmadığını söyledi. deneyim.
Sektördeki pek çok kişinin gözünde bu kitabın avantajı kullanımının kolay olmasıdır.
Birisi bu kitabın çok profesyonel konuları yaklaşılabilir bir şekilde tanıttığını söyledi. Bazı insanlar bunun makine öğrenimi alanındaki en kolay kitaplardan biri olduğu yorumunu yaptı.
(İndirme bağlantısı makalenin sonundadır)
Kitapta neler söyleniyor?
Manning Yayınevi'nin giriş sayfasından bakılırsa bu kitap iki bölüme ve 13 bölüme ayrılmıştır.
İlk bölüm, PyTorch çekirdeği olarak adlandırılan temelde teoridir.
Derin öğrenme alanına kısa bir giriş yaptıktan sonra, önceden eğitilmiş ağların kullanımını keşfetmeye ve ardından tensör kullanma becerilerini geliştirmeye başladım.
En yaygın veri türlerini temsil etmek için tensörlerin nasıl kullanılacağını ve sıfırdan sinir ağlarının nasıl oluşturulacağını ve eğitileceğini (görüntülere ve dizilere odaklanın) dahil.
Dizin aşağıdaki gibidir:
1. Derin öğrenmeye ve PyTorch kitaplığına giriş
2. Önceden eğitilmiş ağ
3. Bir tensörle başlayın
4. Gerçek dünya verilerini temsil etmek için tensörleri kullanın
5. Öğrenme mekanizması
6. Verilerimize uyması için sinir ağlarını kullanın
7. Uçaklardan kuşları tanımlayın - resimlerden öğrenin
8. Genelleme için evrişim işlevini kullanın
İkinci bölüm gerçek savaşa odaklanıyor ve "Gerçek Dünya Görüntülerinden Öğrenmek: Akciğer Kanserinin Erken Saptanması" başlığını taşıyor.
Bu bölümde, bazı sonuçlar elde etmek için verileri işlemek için sınırlı girdi altında bir sinir ağını eğitme yöntemini kullanarak uygulamalı olacaksınız.
Ardından, güvenilmez ilk sonuçları tarayın ve sinir ağındaki sorunların nasıl teşhis edilip onarılacağına odaklanın.
Son olarak, modeli eğitmek, geliştirmek ve model sonuçlarını iyileştirmek için ince ayar yapmak için gelişmiş verileri nasıl kullanacağınızı öğreneceksiniz.
Dizin aşağıdaki gibidir:
9. PyTorch'u kanserle savaşmak için kullanın
10. Hazırlık, veri seti, başla!
11. Şüpheli tümörlerin sınıflandırılması
12. İzleme göstergeleri: doğruluk, geri çağırma oranı ve mükemmel grafikler
13. Şüpheli tümörleri bulmak için segmentasyon teknolojisini kullanın
Bu kitabı kim yazdı?
Bu kitabın iki yazarı var: Eli Stevens ve Luca Antiga.
Yazılım mühendisi Eli Stevens, 15 yıldır Silikon Vadisi'nde çalışıyor. Son 7 yıldır tıbbi cihaz yazılımları geliştiren bir girişim şirketinin CTO'su olarak görev yaptı.
Luca Antiga, bir AI başlangıç şirketinin kurucu ortağı ve CEO'su ve PyToch topluluğuna düzenli olarak katkıda bulunuyor.
Aşağıdaki resim, ikisini (solda: Luca Antiga; sağda: Eli Stevenson) ve kitabın editörü Frances Lefkowitz'i göstermektedir.
Bu kitapla ilgileniyorsanız, lütfen portalı saklayın:
https://www.manning.com/books/deep-learning-with-pytorch#toc
- Bitiş -
Qubit QbitAI · Toutiao İmzalı
Bize dikkat edin ve en son teknolojideki en son gelişmeleri alın
