PyTorch kompakt : Syntax, Design Patterns und Codebeispiele für Deep-Learning-Modelle /

Mit diesem benutzerfreundlichen Nachschlagewerk zu PyTorch haben Sie kompaktes Wissen zu einem der beliebtesten Frameworks für Deep Learning immer zur Hand. Der Autor Joe Papa bietet Ihnen mit dieser Referenz den sofortigen Zugriff auf Syntax, Design Patterns und gut nachvollziehbare Codebeispiele...

Descripción completa

Detalles Bibliográficos
Clasificación:Libro Electrónico
Autor principal: Papa, Joe (Autor)
Formato: Electrónico eBook
Idioma:Alemán
Inglés
Publicado: Heidelberg : dpunkt, 2022.
Edición:1. Auflage.
Temas:
Python (Computer program language)
Neural networks (Computer science)
Machine learning.
Neural Networks, Computer
Python (Langage de programmation)
Réseaux neuronaux (Informatique)
Apprentissage automatique.
Acceso en línea:Texto completo (Requiere registro previo con correo institucional)

MARC

LEADER 00000cam a22000007i 4500
001 OR_on1296124706
003 OCoLC
005 20231017213018.0
006 m o d
007 cr cnu|||unuuu
008 220210s2022 gw a o 001 0 ger d
040 |a ORMDA  |b eng  |e rda  |e pn  |c ORMDA  |d OCLCO  |d OCLCF  |d OCLCQ 
020 |z 9783960091851 
029 1 |a AU@  |b 000071520318 
035 |a (OCoLC)1296124706 
037 |a 9781098130282  |b O'Reilly Media 
041 1 |a ger  |h eng 
050 4 |a QA76.87 
082 0 4 |a 006.3/2  |2 23 
049 |a UAMI 
100 1 |a Papa, Joe,  |e author 
240 1 0 |a PyTorch pocket reference.  |l German 
245 1 0 |a PyTorch kompakt :  |b Syntax, Design Patterns und Codebeispiele für Deep-Learning-Modelle /  |c Joe Papa. 
250 |a 1. Auflage. 
264 1 |a Heidelberg :  |b dpunkt,  |c 2022. 
300 |a 1 online resource (238 pages) 
336 |a text  |b txt  |2 rdacontent 
337 |a computer  |b c  |2 rdamedia 
338 |a online resource  |b cr  |2 rdacarrier 
500 |a Includes index. 
520 |a Mit diesem benutzerfreundlichen Nachschlagewerk zu PyTorch haben Sie kompaktes Wissen zu einem der beliebtesten Frameworks für Deep Learning immer zur Hand. Der Autor Joe Papa bietet Ihnen mit dieser Referenz den sofortigen Zugriff auf Syntax, Design Patterns und gut nachvollziehbare Codebeispiele - eine Fülle an gesammelten Informationen, die Ihre Entwicklungsarbeit beschleunigen und die Zeit minimieren, die Sie mit der Suche nach Details verbringen. Data Scientists, Softwareentwickler:innen und Machine Learning Engineers finden in diesem Buch klaren, strukturierten PyTorch-Code, der jeden Schritt der Entwicklung neuronaler Netze abdeckt - vom Laden der Daten über die Anpassung von Trainingsschleifen bis hin zur Modelloptimierung und GPU/TPU-Beschleunigung. Lernen Sie in kurzer Zeit, wie Sie Ihren Code mit AWS, Google Cloud oder Azure in der Produktivumgebung einsetzen und Ihre ML-Modelle auf mobilen und Edge-Geräten bereitstellen. 
588 0 |a Online resource; title from title details screen (O’Reilly, viewed February 10, 2022). 
590 |a O'Reilly  |b O'Reilly Online Learning: Academic/Public Library Edition 
650 0 |a Python (Computer program language) 
650 0 |a Neural networks (Computer science) 
650 0 |a Machine learning. 
650 2 |a Neural Networks, Computer 
650 6 |a Python (Langage de programmation) 
650 6 |a Réseaux neuronaux (Informatique) 
650 6 |a Apprentissage automatique. 
650 7 |a Machine learning.  |2 fast  |0 (OCoLC)fst01004795 
650 7 |a Neural networks (Computer science)  |2 fast  |0 (OCoLC)fst01036260 
650 7 |a Python (Computer program language)  |2 fast  |0 (OCoLC)fst01084736 
856 4 0 |u https://learning.oreilly.com/library/view/~/9781098130282/?ar  |z Texto completo (Requiere registro previo con correo institucional) 
994 |a 92  |b IZTAP 

Ejemplares similares