O texto nas imagens pode ser traduzido
Conhecimento básico do PyTorch sobre aprendizado profundo e rede neural gráfica (volume 1)
Preço por unidade incluindo frete para o Brasil
Quantidade
Produto selecionado
Especificações do produto
Título
PyTorch basic knowledge of deep learning and graph neural network (volume 1)
Autor
Li Jinhong
Editora
People's posts and telecommunications Press
Data de publicação
2021.12
Foit
16 Open
Número do livro
9787115549839
Preço do livro
129.80
Título
PyTorch basic knowledge of deep learning and graph neural network (volume 1)
Autor
Li Jinhong
Editora
People's posts and telecommunications Press
Data de publicação
2021.12
Foit
16 Open
Número do livro
9787115549839
Preço do livro
129.80
Título
PyTorch basic knowledge of deep learning and graph neural network (volume 1)
Autor
Li Jinhong
Editora
People's posts and telecommunications Press
Data de publicação
2021.12
Foit
16 Open
Número do livro
9787115549839
Preço do livro
129.80
Detalhes do produto
Texto da imagem traduzido automaticamente
| Recomendação do Editor | |
| Apresentar uma série de tecnologias e métodos de implementação relacionados ao aprendizado profundo e mapear redes neurais; o conteúdo abrange o uso do PyTorch, o princípio das redes neurais, o modelo básico das redes neurais, o princípio da rede neural e o modelo básico da rede neural. |
| Índice | |
|
Primeiro artigo: Noções básicas do PyTorch Capítulo 1: Introdução rápida à inteligência artificial e PyTorch 1.1 Redes Neurais de Grafos e Aprendizado Profundo 1.1.1 Redes Neurais Profundas 1.1.2 Redes Neurais de Grafos 1.2 O que o PyTorch faz 1.3 Características do PyTorch 1.4 PyTorch e TensorFlow têm seus próprios pontos fortes 1.5 Como usar este livro para aprender aprendizado profundo Capítulo 2 Construindo um ambiente de desenvolvimento 2.1 Baixe e instale o Anaconda 2.1.1 Baixar Anaconda Development Tools 2.1.2 Instalar ferramentas de desenvolvimento Anaconda 2.1.3 Notas sobre a instalação das ferramentas de desenvolvimento Anaconda 2.2 Instalar PyTorch 2.2.1 Abra o site oficial do PyTorch 2.2.2 Configurar comando de instalação do PyTorch 2.2.3 Instale o PyTorch usando o comando configurado 2.2.4 Configurar a fonte da imagem PyTorch 2.3 Familiaridade com as ferramentas de desenvolvimento Anaconda 3 2.3.1 Introdução rápida ao Spyder 2.3.2 Introdução rápida ao Jupyter Notebook 2.4 Ambiente de desenvolvimento de teste Capítulo 3 Etapas básicas de desenvolvimento do PyTorch - Ajustando dados bidimensionais com regressão logística 3.1 Exemplo 1: Encontrando padrões em um conjunto de dados aparentemente caóticos 3.1.1 Preparação de dados 3.1.2 Definindo o modelo de rede 3.1.3 Construindo um modelo de rede 3.1.4 Modelo de Treinamento 3.1.5 Visualizando os resultados do treinamento 3.1.6 Usando e avaliando o modelo 3.1.7 Modelo de Visualização 3.2 Como o modelo é treinado 3.2.1 Conteúdo e significado do modelo 3.2.2 Fluxo de dados dentro do modelo 3.3 Resumo Capítulo 4: Introdução ao PyTorch 4.1 Vários tipos básicos de dados em redes neurais 4.2 Noções básicas de classes de tensores 4.2.1 Como definir um tensor 4.2.2 Tipos de tensores …… Parte 2 Noções básicas - Treinamento supervisionado e não supervisionado de redes neurais Parte 3 Melhoria - Rede Neural de Grafos |
| breve introdução | |
| Este livro começa com o básico e apresenta uma série de tecnologias e métodos de implementação relacionados ao aprendizado profundo e redes neurais de grafos. O conteúdo principal inclui o uso do PyTorch, os princípios das redes neurais, os modelos básicos das redes neurais e os modelos básicos das redes neurais de grafos. O livro se concentra nos modelos de rede e ideias algorítmicas relacionadas aos fundamentos do aprendizado profundo, bem como os princípios das redes neurais de grafos, e fornece códigos de implementação na estrutura PyTorch para esses pontos de conhecimento. Este livro é adequado para técnicos que desejam aprender redes neurais de grafos e profissionais de inteligência artificial. Também é adequado como um livro-texto para professores e alunos de especializações relacionadas em faculdades e universidades e um livro-texto para cursos de treinamento. |
| Sobre o autor | |
| Li Jinhong é proficiente em linguagens C, Python e Java, e é bom em redes neurais, algoritmos, análise de protocolos, arquitetura de segurança de Internet móvel e outras tecnologias. Ele atuou como engenheiro de algoritmos CAD, arquiteto, gerente de projeto, gerente de departamento e outras posições. Ele participou de um projeto de OCR para um backend de Internet móvel no campo de aprendizado profundo, um projeto de reconhecimento de fala e reconhecimento de impressão vocal para um robô em um programa de entretenimento e vários projetos de classificação no campo financeiro. |
Total
Entrega
ICMS
PIS e COFINS
Outro
Produtos similares
