Mastering PyTorch: Create and deploy deep learning ხელმისაწვდომია ონლაინ შოპინგისთვის Georgia-ში?

დიახ, Ubuy Georgia-ში ეს პროდუქტი თქვენთვის ხელმისაწვდომია გონივრულ ფასად.. Mastering PyTorch: Create and deploy deep learning არ არის ხელმისაწვდომი ადგილობრივად, მაგრამ შეგიძლიათ გვჯეროდეს ჩვენი ექსპრეს მიწოდების სერვისები.

რამდენი დრო სჭირდება პროდუქტის მიღებას შეკვეთის გაფორმების შემდეგ?

თქვენი შეკვეთილი პროდუქტის მიწოდების დრო განსხვავდება თქვენ მიერ შეკვეთილი და მიწოდების მეთოდის მიხედვით, რომელიც არჩეულია.. მიწოდების სავარაუდო დრო მითითებულია შეკვეთის პროცესში, ასე რომ შოპინგის დროს იყავით უყურადღებო.

ორიგინალის ჩვენება

Mastering PyTorch: Create and deploy deep learning models from CNNs to multimodal models, LLMs, and beyond

ერთეულის #: 88164676

Mastering PyTorch: Create and deploy deep learning models from CNNs to multimodal models, LLMs, and beyond

88% of respondents would recommend this to a friend

ერთეულის #: 88164676

GEL 140

Price Details

Excluding Shipping & Custom charges ( Shipping and custom charges will be calculated on checkout )

^{*All items will import from აშშ}

ხელმისაწვდომობა : Საწყობში

იმპორტირებულია USA მაღაზიიდან

QTY:

შეუკვეთეთ ახლავე და მიიღეთ სამშაბათი, ოქტომბერი 13

Secured transaction

Our Top Logistics Partners

Paperback

U-Care-ის გარანტია:

არცერთი

აირჩიეთ გეგმა

Fast
Shipping

Free
Return^*

Secure Packaging

100% Original Products

PCI DSS Compliance

ISO 27001 Certified

Note: Step Down Voltage Transformer required for using electronics products of აშშ store (110-120). Recommended power converters იყიდე ახლა.

Პროდუქტის აღწერილობა

Master advanced techniques and algorithms for machine learning with PyTorch using real-world examplesUpdated for PyTorch 2.x, including integration with Hugging Face, mobile deployment, diffusion models, and graph neural networksGet With Your Book: PDF Copy, AI Assistant, and Next-Gen Reader FreeKey FeaturesUnderstand how to use PyTorch to build advanced neural network modelsGet the best from PyTorch by working with Hugging Face, fastai, PyTorch Lightning, PyTorch Geometric, Flask, and DockerUnlock faster training with multiple GPUs and optimize model deployment using efficient inference frameworksBook DescriptionPyTorch is making it easier than ever before for anyone to build deep learning applications. This PyTorch deep learning book will help you uncover expert techniques to get the most out of your data and build complex neural network models.You’ll build convolutional neural networks for image classification and recurrent neural networks and transformers for sentiment analysis. As you advance, you'll apply deep learning across different domains, such as music, text, and image generation, using generative models, including diffusion models. You'll not only build and train your own deep reinforcement learning models in PyTorch but also learn to optimize model training using multiple CPUs, GPUs, and mixed-precision training. You’ll deploy PyTorch models to production, including mobile devices. Finally, you’ll discover the PyTorch ecosystem and its rich set of libraries. These libraries will add another set of tools to your deep learning toolbelt, teaching you how to use fastai to prototype models and PyTorch Lightning to train models. You’ll discover libraries for AutoML and explainable AI (XAI), create recommendation systems, and build language and vision transformers with Hugging Face.By the end of this book, you'll be able to perform complex deep learning tasks using PyTorch to build smart artificial intelligence models.What you will learnImplement text, vision, and music generation models using PyTorchBuild a deep Q-network (DQN) model in PyTorchDeploy PyTorch models on mobile devices (Android and iOS)Become well versed in rapid prototyping using PyTorch with fastaiPerform neural architecture search effectively using AutoMLEasily interpret machine learning models using CaptumDesign ResNets, LSTMs, and graph neural networks (GNNs)Create language and vision transformer models using Hugging FaceWho this book is forThis deep learning with PyTorch book is for data scientists, machine learning engineers, machine learning researchers, and deep learning practitioners looking to implement advanced deep learning models using PyTorch. This book is ideal for those looking to switch from TensorFlow to PyTorch. Working knowledge of deep learning with Python is required.Table of ContentsOverview of Deep Learning using PyTorchDeep CNN architecturesCombining CNNs and LSTMsDeep Recurrent Model ArchitecturesAdvanced Hybrid ModelsGraph Neural NetworksMusic and Text Generation with PyTorchNeural Style TransferDeep Convolutional GANsImage Generation Using DiffusionDeep Reinforcement LearningModel Training OptimizationsOperationalizing PyTorch Models into ProductionPyTorch on Mobile DevicesRapid Prototyping with PyTorchPyTorch and AutoMLPyTorch and Explainable AIRecommendation Systems with TorchRecPyTorch and Hugging Face

Publisher	Packt Publishing
Publication date	May 31, 2024
Edition	2nd ed.
Language	English
Print length	558 pages
ISBN-10	1801074305
ISBN-13	978-1801074308
Item Weight	3.53 ounces (100.08 grams)
Dimensions	7.5 x 1.25 x 9.25 inches (19.1 x 3.2 x 23.5 cm)

პროდუქტის აღწერილობა

გაქვთ რაიმე შეკითხვა? მოგვმართეთ ჩათში

მომხმარებელთა კითხვები და პასუხები

კითხვა: როგორ ვიყიდოთ Mastering PyTorch: Create and deploy deep learning ონლაინ Ubuy-დან?

პასუხი: მარტივია ყიდვა Mastering PyTorch: Create and deploy deep learning ონლაინ Ubuy-დან.. თქვენ უბრალოდ უნდა მოძებნოთ პროდუქტი, აირჩიოთ თქვენი მიწოდების მეთოდი შემოწმების დროს და მიიტანოთ იგი თქვენს ადგილას.
კითხვა: Mastering PyTorch: Create and deploy deep learning ხელმისაწვდომია ონლაინ შოპინგისთვის Georgia-ში?

პასუხი: დიახ, Ubuy Georgia-ში ეს პროდუქტი თქვენთვის ხელმისაწვდომია გონივრულ ფასად.. Mastering PyTorch: Create and deploy deep learning არ არის ხელმისაწვდომი ადგილობრივად, მაგრამ შეგიძლიათ გვჯეროდეს ჩვენი ექსპრეს მიწოდების სერვისები.
კითხვა: რამდენი დრო სჭირდება პროდუქტის მიღებას შეკვეთის გაფორმების შემდეგ?

პასუხი: თქვენი შეკვეთილი პროდუქტის მიწოდების დრო განსხვავდება თქვენ მიერ შეკვეთილი და მიწოდების მეთოდის მიხედვით, რომელიც არჩეულია.. მიწოდების სავარაუდო დრო მითითებულია შეკვეთის პროცესში, ასე რომ შოპინგის დროს იყავით უყურადღებო.

Expert Systems Editorial Review

სარედაქციო მიმოხილვები ვერ მოიძებნა

Customer Reviews & Ratings

4.2

62 მომხმარებლის შეფასება

5 ვარსკვლავი

69%
4 ვარსკვლავი

12%
3 ვარსკვლავი

3%
2 ვარსკვლავი

8%
1 ვარსკვლავი

8%

ამ პროდუქტის მიმოხილვა

გაუზიარეთ თქვენი აზრები სხვა მომხმარებლებს

Product Price History

მნიშვნელოვანი ინფორმაცია

შეზღუდვები: გთხოვთ, გაითვალისწინოთ, რომ საზღვარგარეთ გაგზავნილი პროდუქტებისთვის მწარმოებლის გარანტია შეიძლება არ იყოს მოქმედი; მწარმოებლის მომსახურების პარამეტრები შეიძლება არ იყოს ხელმისაწვდომი; პროდუქტის ინსტრუქციები და უსაფრთხოების გაფრთხილებები შეიძლება არ იყოს დანიშნულების ქვეყნის ენაზე; პროდუქტები (და მასთან დაკავშირებული მასალები) შეიძლება არ იყოს შემუშავებული დანიშნულების ქვეყნის სტანდარტების, სპეციფიკაციებისა და მარკირების მოთხოვნების შესაბამისად; და პროდუქტები შეიძლება არ შეესაბამებოდეს დანიშნულების ქვეყნის ძაბვისა და სხვა ელექტრო სტანდარტებს (საჭიროების შემთხვევაში საჭიროა ადაპტერი ან გადამყვანი). მიმღები პასუხისმგებელია უზრუნველყოს, რომ პროდუქტი კანონიერად შემოიტანოს დანიშნულების ქვეყანაში. Ubuy-ს ან მისი აფილირებული პირების მეშვეობით შეკვეთისას მიმღები არის რეგისტრირებული იმპორტიორი და მან უნდა გაითვალისწინოს დანიშნულების ქვეყნის ყველა კანონი და დებულება.
Ubuy-ზე ჩამოთვლილი ყველა პროდუქტი არ არის გაყიდვაში, რადგან Ubuy არის გლობალური საძიებო სისტემა და პროდუქტები ექვემდებარება საექსპორტო/სავაჭრო რეგულაციებს.

GEL 140

შეუკვეთეთ ახლავე და მიიღეთ სამშაბათი, ოქტომბერი 13

QTY:

Secured transaction

PCI DSS compliant and ISO 27001:2022 certified, with encrypted payments and full buyer protection on every order.

Our Top Logistics Partners

Fastest cross-border delivery

Ubuy Assurance

Experience worry-free shopping with 100% original products, PCI DSS-compliant payment security, ISO 27001-certified data protection, the fastest cross-border delivery, free returns ^*, and secure packaging on every order.

Mastering PyTorch: Create and deploy deep learning models from CNNs to multimodal models, LLMs, and beyond