Глубокое обучение с PyTorch шаг за шагом. Руководство для начинающих [Daniel Voigt Godoy]

[Раздача skladchik.com]

Складчина: Глубокое обучение с PyTorch шаг за шагом. Руководство для начинающих [Daniel Voigt Godoy]

Deep Learning with PyTorch Step-by-Step. A Beginner's Guide
Daniel Voigt Godoy
Язык: английский

Если вы ищете книгу, в которой можно узнать о глубоком обучении и PyTorch, не тратя часы на расшифровку зашифрованного текста и кода, и которую легко и приятно читать, то это она

Книга охватывает все от основ градиентного спуска до тонкой настройки больших моделей NLP (BERT и GPT-2) с использованием HuggingFace. Она разделена на четыре части:

• Часть I : Основы (градиентный спуск, обучение линейным и логистическим регрессиям в PyTorch)
• Часть II : Компьютерное зрение (более глубокие модели и функции активации, свертки, трансферное обучение, схемы инициализации)
• Часть III : Последовательности (RNN, GRU, LSTM, модели seq2seq, внимание, внутреннее внимание, трансформаторы)
• Часть IV : Обработка естественного языка (токенизация, встраивание, контекстное встраивание слов, ELMo, BERT, GPT-2)

Это не типичная книга: большинство руководств начинаются с какой-нибудь красивой и симпатичной проблемы классификации изображений , чтобы проиллюстрировать, как использовать PyTorch. Это может показаться крутым, но я считаю, что это отвлекает вас от главной цели : как работает PyTorch ? В этой книге я представляю структурированный , пошаговый и основанный на первых принципах подход к изучению PyTorch (и дойду до красивой проблемы классификации изображений в свое время).
Более того, это ни в коем случае не формальная книга : я пишу эту книгу так, как будто веду с вами беседу , читатель. Я буду задавать вам вопросы (и вскоре давать вам ответы), а также буду (глупо) шутить .

Моя задача — помочь вам понять тему, поэтому я постараюсь максимально избегать сложных математических обозначений и изложу все простым языком.
В этой книге я проведу вас через процесс разработки множества моделей в PyTorch и покажу, почему PyTorch делает создание моделей в Python намного проще и интуитивно понятнее: Autograd , динамический вычислительный граф , классы моделей и многое, многое другое.
Мы будем шаг за шагом создавать не только сами модели, но и ваше понимание , поскольку я покажу вам как обоснование кода, так и то, как избежать некоторых распространенных ловушек и ошибок на этом пути.

Я написал эту книгу для новичков в целом - не только для новичков PyTorch. Время от времени я буду тратить время на объяснение некоторых фундаментальных концепций, которые, как я считаю, являются ключевыми для правильного понимания того, что происходит в коде .
Возможно, вы уже хорошо знакомы с некоторыми из этих концепций: в таком случае вы можете просто пропустить их, поскольку я сделал эти объяснения максимально независимыми от остального содержания.

Об авторе
Дэниел Фойгт Годой
Дэниел уже более трех лет преподает машинное обучение и технологии распределенных вычислений в Data Science Retreat, самом продолжительном учебном лагере в Берлине, помогая более чем 150 студентам продвигаться по карьерной лестнице.

Спойлер: Оригинал описания:

If you're looking for a book where you can learn about Deep Learning and PyTorch without having to spend hours deciphering cryptic text and code, and that's easy and enjoyable to read, this is it

The book covers from the basics of gradient descent all the way up to fine-tuning large NLP models (BERT and GPT-2) using HuggingFace. It is divided into four parts:
Part I: Fundamentals (gradient descent, training linear and logistic regressions in PyTorch)
Part II: Computer Vision (deeper models and activation functions, convolutions, transfer learning, initialization schemes)
Part III: Sequences (RNN, GRU, LSTM, seq2seq models, attention, self-attention, transformers)
Part IV: Natural Language Processing (tokenization, embeddings, contextual word embeddings, ELMo, BERT, GPT-2)
This is not a typical book: most tutorials start with some nice and pretty image classification problem to illustrate how to use PyTorch. It may seem cool, but I believe it distracts you from the main goal: how PyTorch works? In this book, I present a structured, incremental, and from first principles approach to learn PyTorch (and get to the pretty image classification problem in due time).

Moreover, this is not a formal book in any way: I am writing this book as if I were having a conversation with you, the reader. I will ask you questions (and give you answers shortly afterward) and I will also make (silly) jokes.
My job here is to make you understand the topic, so I will avoid fancy mathematical notation as much as possible and spell it out in plain English.
In this book, I will guide you through the development of many models in PyTorch, showing you why PyTorch makes it much easier and more intuitive to build models in Python: autograd, dynamic computation graph, model classes and much, much more.
We will build, step-by-step, not only the models themselves but also your understanding as I show you both the reasoning behind the code and how to avoid some common pitfalls and errors along the way.

I wrote this book for beginners in general - not only PyTorch beginners. Every now and then I will spend some time explaining some fundamental concepts which I believe are key to have a proper understanding of what's going on in the code.
Maybe you already know well some of those concepts: if this is the case, you can simply skip them, since I've made those explanations as independent as possible from the rest of the content.

Стоимость: 4500 руб. ($44.95)
Скрытая ссылка

Качать без ограничений Купить доступ RUB500.00