| Vorliegende Sprache |
ger |
| Sprache d. Originals |
eng |
| Hinweise auf parallele Ausgaben |
178358680X Erscheint auch als (Online-Ausgabe): ‡Papa, Joe: PyTorch kompakt |
| 1767311974 Erscheint auch als (Online-Ausgabe): ‡Papa, Joe: PyTorch kompakt |
| Name |
Papa, Joe ¬[VerfasserIn]¬ |
| Langenau, Frank ¬[ÜbersetzerIn]¬ |
| ANZEIGE DER KETTE |
Langenau, Frank ¬[ÜbersetzerIn]¬ |
| Einheitssachtitel |
PyTorch pocket reference |
| T I T E L |
PyTorch kompakt |
| Zusatz zum Titel |
Syntax, Design Patterns und Codebeispiele für Deep-Learning-Modelle |
| Auflage |
1. Auflage |
| Verlagsort |
Heidelberg |
| Verlag |
O'Reilly |
| Erscheinungsjahr |
2022 |
| 2022 |
| Umfang |
235 Seiten : Illustrationen |
| Format |
24 cm x 16.5 cm |
| Notiz / Fußnoten |
"Mit PyTorch-Schnelleinstieg" - Umschlag |
| Titelhinweis |
Erscheint auch als (Online-Ausgabe): ‡Papa, Joe: PyTorch kompakt |
| Erscheint auch als (Online-Ausgabe): ‡Papa, Joe: PyTorch kompakt |
| Übersetzung vonISBN: 978-1-4920-9000-7 |
| ISBN |
ISBN 978-3-96009-185-1 : EUR 29.90 (DE), circa EUR 25.60 (AT) |
| ISBN 3-96009-185-0 |
| Klassifikation |
006.31 |
| 004 |
| ST 301 |
| ST 300 |
| Kurzbeschreibung |
PyTorch ist eine auf maschinelles Lernen ausgerichtete Open-Source-Programmbibliothek, geschrieben in Python, die schon öfters besprochen worden ist (u.a. Ian Pointer: "PyTorch für Deep Learning", 2020; Tariq Rashid: "GANs mit ...", 2020). Das vorliegende Buch ist ein Schnelleinstieg mit einem direkten Zugriff auf Syntax, Design Patterns und vielen gut nachvollziehbaren PyTorch-Codebeispielen. Angesprochen werden sowohl Einsteiger*innen, die auf einfache Beispiele gestützt, erfahren, was PyTorch überhaupt ist und wie man es einsetzen kann, als auch Leser*innen mit Vorkenntnissen im EDV-Bereich, die erfahren, was z.B. bei der Entwicklung neuronaler Netze zu beachten ist und wie massgeschneiderte Modelle mit eigenen Algorithmen für Deep Learning entwickelt werden. Gute Hinweise gibt es für die Optimierung von Modellen (z.B. Abhängigkeit von der gewählten Verarbeitung). Didaktisch gut aufgebaut mit vielen Abbildungen; eine gute Hilfe bieten auch die im Buch verwendeten unterschiedlichen typografischen Konventionen (z.B. Schreibmaschinenschrift fett, Schreibmaschinenschrift kursiv, usw.) |
| 1. Schlagwortkette |
PyTorch |
| ANZEIGE DER KETTE |
PyTorch |
| 2. Schlagwortkette |
Maschinelles Lernen |
| Deep learning |
| PyTorch |
| Künstliche Intelligenz |
| ANZEIGE DER KETTE |
Maschinelles Lernen -- Deep learning -- PyTorch -- Künstliche Intelligenz |
| SWB-Titel-Idn |
1771656573 |
| Signatur |
207 601 |
| Internetseite / Link |
Inhaltstext |
| Siehe auch |
Inhaltsverzeichnis |
