مطالب پیشنهادی از سراسر وب

ساخت اولین راه حل PyTorch شما

دسته بندی ها: آموزش پای تورچ (PyTorch) ، آموزش های پلورال سایت (Pluralsight) ، آموزش پایتون (Python)

PyTorch به دلیل انعطاف پذیری، سهولت استفاده و پشتیبانی داخلی از سخت افزارهای بهینه شده مانند GPU، به سرعت به عنوان یک گزینه محبوب در ساخت مدل های یادگیری عمیق ظاهر می شود. با استفاده از PyTorch، می توانید مدل های پیچیده یادگیری عمیق را بسازید، با وجود آنکه که هنوز از پشتیبانی نیتیو Python برای اشکال زدایی و مصورسازی استفاده می کنید.
در این دوره، ساخت اولین راه حل PyTorch شما، با ساخت اولین مدل های رگرسیون و طبقه بندی خود توانایی به راه افتادن را خواهید داشت.
ابتدا می آموزید که چگونه PyTorch را با استفاده از pip و conda نصب کرده و نحوه استفاده از پشتیبانی از GPU را ببینید. در مرحله بعدی، شما نحوه دست سازی یک مدل رگرسیون خطی با استفاده از یک نورون منفرد، با تعریف تابع هزینه را خواهید آموخت. سپس خواهید دید که چگونه می توان از بهینه سازهای PyTorch استفاده کرد تا این روند بسیار بی نقص تر شود.
یاد می گیرید که چگونه فعال سازی توابع و dropout مختلف می تواند به شبکه های عصبی PyTorch اضافه گردد. در آخر، شما به نحوه ساخت مدل های طبقه بندی در PyTorch پی خواهید برد.
با گسترش ماژول پایه PyTorch برای پیاده سازی طبقه بندی کننده سفارشی، دوره را اتمام می رسانید.
پس از اتمام این دوره، مهارت و دانش لازم را خواهید داشت که به سراغ نصب PyTorch از ابتدا در یک محیط جدید و ساخت مدل ها برای به کارگیری و سفارشی سازی انتزاعات متنوع PyTorch، بروید.

بررسی دوره

فایل های تمرین exercise files.zip
آیا این نوشته را دوست داشتید؟
Pluralsight Building Your First PyTorch Solution Author:Janani Ravi Duration:2:24:52 Level:Beginner

PyTorch is fast emerging as a popular choice for building deep learning models owing to its flexibility, ease-of-use, and built-in support for optimized hardware such as GPUs. Using PyTorch, you can build complex deep learning models, while still using Python-native support for debugging and visualization.
In this course, Building Your First PyTorch Solution, you will gain the ability to get up and running by building your first regression and classification models.
First, you will learn how to install PyTorch using pip and conda, and see how to leverage GPU support. Next, you will discover how to hand-craft a linear regression model using a single neuron, by defining the loss function yourself. You will then see how PyTorch optimizers can be used to make this process a lot more seamless.
You will understand how different activation functions and dropout can be added to PyTorch neural networks. Finally, you will explore how to build classification models in PyTorch.
You will round out the course by extending the PyTorch base module to implement a custom classifier.
When you’re finished with this course, you will have the skills and knowledge to move on to installing PyTorch from scratch in a new environment and building models leveraging and customizing various PyTorch abstractions.

پیشنهاد آموزش مرتبط در فرادرس