PyTorch für Deep Learning. Ian Pointer. Читать онлайн. Newlib. NEWLIB.NET

Автор: Ian Pointer
Издательство: Bookwire
Серия:
Жанр произведения: Математика
Год издания: 0
isbn: 9783960104001
Скачать книгу

      

image Zu diesem Buch – sowie zu vielen weiteren O’Reilly-Büchern – können Sie auch das entsprechende E-Book im PDF-Format herunterladen. Werden Sie dazu einfach Mitglied bei oreilly.plus+: www.oreilly.plus

       PyTorch für Deep Learning

       Anwendungen für Bild-, Ton- und Textdaten entwickeln und deployen

       Ian Pointer

       Deutsche Übersetzung von Marcus Fraaß

image

      Ian Pointer

      Lektorat: Alexandra Follenius

      Übersetzung: Marcus Fraaß

      Korrektorat: Sibylle Feldmann, www.richtiger-text.de

      Satz: III-satz, www.drei-satz.de

      Herstellung: Stefanie Weidner und Frank Heidt

      Umschlaggestaltung: Karen Montgomery, Michael Oréal, www.oreal.de

      Bibliografische Information der Deutschen Nationalbibliothek

      Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.

      ISBN:

      Print 978-3-96009-134-9

      PDF 978-3-96010-399-8

      ePub 978-3-96010-400-1

      mobi 978-3-96010-401-8

      1. Auflage 2021

      Translation Copyright für die deutschsprachige Ausgabe © 2021 dpunkt.verlag GmbH

      Wieblinger Weg 17

      69123 Heidelberg

      Authorized German translation of the English edition of Programming PyTorch for Deep Learning, ISBN 978149204535 © 2019 Ian Pointer. This translation is published and sold by permission of O’Reilly Media, Inc., which owns or controls all rights to publish and sell the same.

      Dieses Buch erscheint in Kooperation mit O’Reilly Media, Inc. unter dem Imprint »O’REILLY«. O’REILLY ist ein Markenzeichen und eine eingetragene Marke von O’Reilly Media, Inc. und wird mit Einwilligung des Eigentümers verwendet.

       Hinweis:

      Dieses Buch wurde auf PEFC-zertifiziertem Papier aus nachhaltiger Waldwirtschaft gedruckt. Der Umwelt zuliebe verzichten wir zusätzlich auf die Einschweißfolie.

image

       Schreiben Sie uns:

      Falls Sie Anregungen, Wünsche und Kommentare haben, lassen Sie es uns wissen: [email protected].

      Die vorliegende Publikation ist urheberrechtlich geschützt. Alle Rechte vorbehalten. Die Verwendung der Texte und Abbildungen, auch auszugsweise, ist ohne die schriftliche Zustimmung des Verlags urheberrechtswidrig und daher strafbar. Dies gilt insbesondere für die Vervielfältigung, Übersetzung oder die Verwendung in elektronischen Systemen.

      Es wird darauf hingewiesen, dass die im Buch verwendeten Soft- und Hardware-Bezeichnungen sowie Markennamen und Produktbezeichnungen der jeweiligen Firmen im Allgemeinen warenzeichen-, marken- oder patentrechtlichem Schutz unterliegen.

      Alle Angaben und Programme in diesem Buch wurden mit größter Sorgfalt kontrolliert. Weder Autor noch Verlag noch Übersetzer können jedoch für Schäden haftbar gemacht werden, die in Zusammenhang mit der Verwendung dieses Buches stehen.

      5 4 3 2 1 0

       Inhalt

       Vorwort

       1Einstieg in PyTorch

       Zusammenbau eines maßgeschneiderten Deep-Learning-Rechners

       Grafikprozessor (GPU)

       Hauptprozessor (CPU) und Motherboard

       Arbeitsspeicher (RAM)

       Speicher

       Deep Learning in der Cloud

       Google Colaboratory

       Cloud-Anbieter

       Welchen Cloud-Anbieter sollte ich wählen?

       Verwendung von Jupyter Notebook

       PyTorch selbst installieren

       CUDA downloaden

       Anaconda

       Zu guter Letzt – PyTorch (und Jupyter Notebook)

       Tensoren

       Tensoroperationen

       Tensor-Broadcasting

       Zusammenfassung

       Weiterführende Literatur

       2Bildklassifizierung mit PyTorch

       Unsere Klassifizierungsaufgabe

       Traditionelle Herausforderungen

       Zunächst