برای PyTorch 2.x به‌روزرسانی شده است، شامل ادغام با Hugging Face، استقرار موبایل، مدل‌های انتشار و شبکه‌های عصبی گراف
ویژگی‌های کلیدی
نحوه استفاده از PyTorch برای ساخت مدل‌های شبکه عصبی پیشرفته را درک کنید
با کار با Hugging Face، fastai، PyTorch Lightning، PyTorch Geometric، Flask و Docker بهترین استفاده را از PyTorch ببرید
آموزش سریع‌تر با چندین پردازنده گرافیکی و بهینه‌سازی استقرار مدل با استفاده از چارچوب‌های استنتاج کارآمد
شرح کتاب
PyTorch ساخت برنامه‌های یادگیری عمیق را برای هر کسی آسان‌تر از همیشه می‌کند. این کتاب یادگیری عمیق PyTorch به شما کمک می‌کند تا تکنیک‌های تخصصی را برای بهره‌برداری هرچه بیشتر از داده‌های خود و ساخت مدل‌های شبکه عصبی پیچیده کشف کنید.
شما شبکه‌های عصبی کانولوشن را برای طبقه‌بندی تصویر و شبکه‌های عصبی بازگشتی و ترانسفورماتورها را برای تحلیل احساسات خواهید ساخت. با پیشرفت، یادگیری عمیق را در حوزه‌های مختلف، مانند تولید موسیقی، متن و تصویر، با استفاده از مدل‌های مولد، از جمله مدل‌های انتشار، به کار خواهید گرفت. شما نه تنها مدل‌های یادگیری تقویتی عمیق خود را در PyTorch خواهید ساخت و آموزش خواهید داد، بلکه یاد خواهید گرفت که آموزش مدل را با استفاده از چندین CPU، GPU و آموزش با دقت مختلط بهینه کنید. شما مدل‌های PyTorch را برای تولید، از جمله دستگاه‌های تلفن همراه، به کار خواهید گرفت. در نهایت، اکوسیستم PyTorch و مجموعه غنی کتابخانه‌های آن را کشف خواهید کرد. این کتابخانه‌ها مجموعه دیگری از ابزارها را به کمربند ابزار یادگیری عمیق شما اضافه می‌کنند و به شما آموزش می‌دهند که چگونه از fastai برای نمونه‌های اولیه مدل‌ها و از PyTorch Lightning برای آموزش مدل‌ها استفاده کنید. شما کتابخانه‌هایی برای AutoML و هوش مصنوعی قابل توضیح (XAI) کشف خواهید کرد، سیستم‌های توصیه ایجاد خواهید کرد و با Hugging Face مبدل‌های زبان و بینایی خواهید ساخت.
در پایان این کتاب، شما قادر خواهید بود وظایف پیچیده یادگیری عمیق را با استفاده از PyTorch برای ساخت مدل‌های هوش مصنوعی هوشمند انجام دهید. آنچه خواهید آموخت
پیاده‌سازی مدل‌های تولید متن، تصویر و موسیقی با استفاده از PyTorch
ساخت یک مدل عمیق Q-network (DQN) در PyTorch
استقرار مدل‌های PyTorch در دستگاه‌های تلفن همراه (اندروید و iOS)
آشنایی کامل با نمونه‌سازی سریع با استفاده از PyTorch با fastai
انجام جستجوی مؤثر معماری عصبی با استفاده از AutoML
تفسیر آسان مدل‌های یادگیری ماشین با استفاده از Captum
طراحی ResNets، LSTMها و شبکه‌های عصبی گراف (GNNها)
ایجاد مدل‌های تبدیل زبان و تصویر با استفاده از Hugging Face
این کتاب برای چه کسانی مناسب است؟
این کتاب یادگیری عمیق با PyTorch برای دانشمندان داده، مهندسان یادگیری ماشین، محققان یادگیری ماشین و متخصصان یادگیری عمیق است که به دنبال پیاده‌سازی مدل‌های پیشرفته یادگیری عمیق با استفاده از PyTorch هستند. این کتاب برای کسانی که به دنبال تغییر از TensorFlow به PyTorch هستند، ایده‌آل است. دانش عملی یادگیری عمیق با پایتون مورد نیاز است.
فهرست مطالب
مروری بر یادگیری عمیق با استفاده از PyTorch
معماری‌های CNN عمیق
ترکیب CNNها و LSTMها
معماری‌های مدل بازگشتی عمیق
مدل‌های ترکیبی پیشرفته
شبکه‌های عصبی گراف
تولید موسیقی و متن با PyTorch
انتقال سبک عصبی
GANهای کانولوشن عمیق
تولید تصویر با استفاده از انتشار
یادگیری تقویتی عمیق
بهینه‌سازی‌های آموزش مدل
عملیاتی کردن مدل‌های PyTorch در تولید
PyTorch در دستگاه‌های تلفن همراه
نمونه‌سازی سریع با PyTorch
PyTorch و AutoML
PyTorch و هوش مصنوعی قابل توضیح
سیستم‌های توصیه‌گر با TorchRec
PyTorch و چهره در آغوش گرفته
