مطالب پیشنهادی از سراسر وب

برنامه نویسی شبکه عصبی پویا با PyTorch

دسته بندی ها: آموزش پای تورچ (PyTorch) ، شبکه عصبی مصنوعی (Artificial Neural Network) ، آموزش های Packtpub ، آموزش هوش مصنوعی (AI) ، آموزش پایتون (Python)

یادگیری عمیق جنبه‌های کلیدی حوزه‌های اساسی مثل فناوری اطلاعات، اقتصاد، علوم و موارد دیگری را تحت تاثیر قرار داده است. مشکلی زمانی شروع می شود که بخواهید منابع پردازشی برای شبکه عصبی‌تان فراهم کنید. شما به گرافیکی قوی و مقداری زیادی زمان برای تعلیم یک شبکه برای حل مسائل واقعی نیاز دارید. شبکه عصبی پویا در تعلیم شبکه‌‌تان کمک می کند. همچنین باعث کاهش منابع پردازشی می شود.

در این دوره، شما درباره ترکیب تکنیک‌ها در قالب چارچوب‌های رایج خواهید آموخت. سپس شما برای کاهش زمان تعلیم شبکه از پردازش پویا گراف استفاده خواهید کرد. درپایان، شما آماده استفاده از قدرت PyTorch برای تعلیم آسان شبکه‌های عصبی با پیچیدگی‌های مختلف خواهید بود.

تمام فایل‌های کد مربوطه روی گیت هاب در این آدرس قرار دارند.

سبک و رویکرد
این دوره به شما اجازه می دهد تمام دانش کسب شده‌تان را بطور مستقیم عملی کنید. در طول این دوره، شما یک extension ساده سی پلاس پلاس/CUDA را با آموزش گام به گام خواهید ساخت و دو پروژه کوچک را به اتمام خواهید رساند:

  1. استفاده از شبکه عصبی پویا برای تشخیص تصویر
  2. مشکلات مبتنی بر NLP (تجزیه گرامر)

نکات برنامه نویسی، همچنین نمونه‌های مصور و دستورالعمل‌های واضح برای کلیه پروژه‌های کوچک ارائه شده است. آزمونهای کوتاه در پایان هر آموزش اطمینان حاصل خواهند کرد که شما به آن تسلط پیدا کرده و پیشرفت خود را بررسی کنید.

پردازش زبان طبیعی: بصیرت برای برنامه نویسی پویا

آیا این نوشته را دوست داشتید؟
Dynamic Neural Network Programming with PyTorch Author:Anastasia Yanina Duration:3 hours 6 minutes

Deep learning influences key aspects of core sectors such as IT, finance, science, and many more. Problems arise when it comes to getting computational resources for your network. You need to have a powerful GPU and plenty of time to train a network for solving a real-world task.
Dynamic neural networks help save training time on your networks. They also reduce the amount of computational resources required. In this course, you'll learn to combine various techniques into a common framework. Then you will use dynamic graph computations to reduce the time spent training a network. By the end, you'll be ready to use the power of PyTorch to easily train neural networks of varying complexities.
All the related code files are placed on GitHub repository at https://github.com/PacktPublishing/-Dynamic-Neural-Network-Programming-with-PyTorch
Style and Approach
The course allows you to directly put into practice all the knowledge you've acquired. Throughout the course, we'll build a simple C++/CUDA extension with step-by-step instructions and complete two mini-projects: applying dynamic neural networks to image recognition and NLP-oriented problems (grammar parsing). Coding tips and hints are provided as well as illustrative examples and clear instructions to all the mini-projects. Short quizzes at the end of each lecture will ensure you've mastered it and check your progress.

پیشنهاد آموزش مرتبط در فرادرس