Es wurden 40 Produkte zu dem Suchbegriff pytorch in 16 Shops gefunden:

PyTorch kompetent nutzen, KI-Modelle erfolgreich bauen Ein praxis- und codeorientierter Guide für Python-Entwickler*innen Anwendungen mit KI und ML entwickeln, ohne fortgeschrittene Mathematik- oder Theoriekenntnisse zu benötigen Mit PyTorch KI-Modelle für Computer Vision, NLP und Sequenzmodellierung erstellen Generative KI-Techniken mit Hugging Face Diffusers und Transformers nutzen Sie möchten mehr über KI und Machine Learning erfahren, wissen aber nicht, wo Sie starten sollen? Dieser codeorientierte Leitfaden von Bestsellerautor Laurence Moroney erklärt komplexe KI-Konzepte verständlich und ohne komplizierte Mathematik. Das Buch richtet sich an Progammierer*innen und legt den Fokus auf die praxisnahe Entwicklung von Anwendungen mit PyTorch, sodass Sie sofort Projekte für den realen Einsatz erstellen können. Von Computer Vision und Natural Language Processing (NLP) bis hin zu generativer KI mit Hugging Face Transformers vermittelt Ihnen dieses Buch die derzeit gefragtesten Skills in der KI-Entwicklung. Darüber hinaus erfahren Sie, wie Sie Ihre Modelle sicher im Web und in der Cloud bereitstellen und produktiv nutzen können.

Eine großartige Ressource für alle, die mit PyTorch arbeiten Kurzgefasstes und präzises Wissen zu dem populären Deep-Learning-Framework Sowohl für PyTorch-Einsteiger:innen als auch für Fortgeschrittene nützlich Überblick über Modellentwicklung, Deployment, das PyTorch-Ökosystem und über hilfreiche PyTorch-Bibliotheken Mit Kurzeinstieg in PyTorch Dieses praktische Nachschlagewerk zu PyTorch, einem der beliebtesten Frameworks für Deep Learning, hält jederzeit präzises Wissen für Sie bereit. Joe Papa bietet Ihnen mit seiner Referenz den direkten Zugriff auf Syntax, Design Patterns und gut nachvollziehbare PyTorch-Codebeispiele. Das Buch enthält – neben einem PyTorch-Schnelleinstieg – eine Fülle von Informationen, die Ihre Entwicklungsarbeit verbessern und effizienter machen. Data Scientists, Softwareentwickler:innen und Machine Learning Engineers finden in diesem Buch klaren, strukturierten PyTorch-Code, der jeden Schritt der Entwicklung neuronaler Netze abdeckt – vom Laden der Daten über die Anpassung von Trainingsschleifen bis hin zur Modelloptimierung und GPU-/TPU-Beschleunigung. Erfahren Sie außerdem, wie Sie Ihre ML-Modelle über AWS, Google Cloud oder Azure deployen und auf mobilen und Edge-Geräten bereitstellen. Lernen Sie Tensoren und die grundlegende Syntax von PyTorch kennen Erstellen Sie maßgeschneiderte Modelle sowie eigene Komponenten und Algorithmen für Deep Learning Nutzen Sie Design Patterns zu Transfer Learning, Stimmungsanalyse oder Generative Adversarial Networks (GANs) für Ihre Projekte Trainieren und deployen Sie Modelle sowohl auf GPUs als auch auf TPUs Beschleunigen Sie den Trainingsprozess durch Optimierung der Modelle und durch parallele und verteilte Verarbeitung Informieren Sie sich über nützliche PyTorch-Bibliotheken und das PyTorch-Ökosystem

Der praktische Einstieg in PyTorch Lernen Sie, neuronale Netze zu erstellen und sie für verschiedene Datentypen zu trainieren Das Buch deckt den gesamten Entwicklungszyklus von Deep-Learning-Anwendungen ab: Vom Erstellen über das Debuggen bis zum Deployen Mit Use Cases, die zeigen, wie PyTorch bei führenden Unternehmen eingesetzt wird Mit diesem Praxisbuch meistern Sie die Methoden des Deep Learning, einer Teildisziplin des Machine Learning, die die Welt um uns herum verändert. Machen Sie sich mit PyTorch, dem populären Python-Framework von Facebook, vertraut, und lernen Sie Schlüsselkonzepte und neueste Techniken kennen, um eigene neuronale Netze zu entwickeln. Ian Pointer zeigt Ihnen zunächst, wie Sie PyTorch in einer Cloud-basierten Umgebung einrichten. Er führt Sie dann durch die einzelnen Schritte der Entwicklung von neuronalen Architekturen, um typische Anwendungen für Bilder, Ton, Text und andere Datenformate zu erstellen. Er erläutert auch das innovative Konzept des Transfer Learning und das Debuggen der Modelle. Sie erfahren zudem, wie Sie Ihre Deep-Learning-Anwendungen in den Produktiveinsatz bringen. Aus dem Inhalt: Ergründen Sie modernste Modelle für das Natural Language Processing, die mit umfangreichen Textkorpora wie dem Wikipedia-Datensatz trainiert wurden Verwenden Sie das PyTorch-Paket torchaudio, um Audiodateien mit einem neuronalen Konvolutionsmodell zu klassifizieren Lernen Sie, wie man Transfer Learning auf Bilder anwendet Debuggen Sie PyTorch-Modelle mithilfe von TensorBoard und Flammendiagrammen Deployen Sie PyTorch-Anwendungen im Produktiveinsatz in Docker-Containern und Kubernetes-Clustern, die in der Google Cloud laufen Erkunden Sie PyTorch-Anwendungsfälle von führenden Unternehmen Für die deutsche Ausgabe wurde das Buch in Zusammenarbeit mit Ian Pointer von Marcus Fraaß aktualisiert und um einige Themen erweitert.

PyTorch-Programmierung professionell! Das meistbenutzte Deep-Learning-Framework in der Praxis: Lernen Sie für spezifische Aufgaben aus realen Projektszenarien, wie Sie mit PyTorch KI-Modelle trainieren, optimieren und produktiv einsetzen . Bert Gollnick zeigt Ihnen in diesem Buch alle einschlägigen Verfahren inklusive Python-Implementierung, von linearer Regression über große Sprachmodelle bis zur Kombination mehrerer Verfahren. Die Anwendungen beinhalten Computer Vision, RAG-Systeme, Zeitreihenanalysen und vieles mehr. Sie evaluieren und deployen Ihre Modelle mit modernsten Methoden und lernen dafür Tools wie FlowML, TensorBoard und FastAPI kennen. Profitieren Sie von vollständigen Codebeispielen, die auf handelsüblicher Hardware lauffähig sind, und entdecken Sie das Zusammenspiel mit PyTorch Lightning, HuggingFace und weiteren Tools. Deep Learning von der Datenaufbereitung über Training und Fineturing bis zum Deployment Vielfältige Architekturen wie Autoencoder, RNNs, LLMs, RAG-Systeme etc. Inkl. PyTorch Lightning, TensorBoard, LangChain, FastAPI u. v. m. Aus dem Inhalt: Installation des Frameworks Deep-Learning-Grundkonzepte Vortrainierte Modelle verwenden Daten vorbereiten Klassifizierungsaufgaben Computer Vision Empfehlungssysteme Graph Neural Networks Große Sprachmodelle (LLMs) Zeitreihen-Vorhersagen PyTorch Lightning LangChain Cloud-Deployment mit Heroku FlowML, TensorBoard und WandB Lokaler Einsatz mit FastAPI

*PyTorch * - KI-Modelle trainieren tunen und einsetzen / 39.9€ / Buch

*PyTorch für Deep Learning * - Anwendungen für Bild- Ton- und Textdaten entwickeln und deployen / 34.9€ / Taschenbuch

Neues von Bestsellerautor Tariq Rashid: Eine Einführung in die innovative Deep-Learning-Technik GANs Schritt-für-Schritt-Anleitung zum Erstellen eigener GANs mit PyTorch, regt zum Ausprobieren an GANs (Generative Adversarial Networks) gehören zu den spannendsten neuen Algorithmen im Machine Learning Tariq Rashid erklärt diese schwierige Materie außergewöhnlich klar und gut nachvollziehbar GANs sind »die coolste Idee im Deep Learning in den letzten 20 Jahren« – sagt Yann LeCun, einer der weltweit führenden Forscher auf dem Gebiet neuronaler Netze, über Generative Adversarial Networks. Bei dieser noch neuen KI-Technik treten zwei neuronale Netze gegeneinander an mit dem Ziel, realistisch wirkende Fotos, Videos oder Texte neu zu generieren. Die Netze trainieren sich gegenseitig: Auf Basis realer Daten erzeugt der Generator künstliche Inhalte, der Diskriminator weist Daten mit schlechter Qualität zurück. Mit diesem Buch können Sie selbst ganz praktisch ausprobieren, wie GANs funktionieren. Wie in seinem Bestseller Neuronale Netze selbst programmieren, auf den dieses Buch aufbaut, erläutert Tariq Rashid jede Technik Schritt für Schritt mit vielen anschaulichen Abbildungen. Sie erfahren, wie Sie mit dem populären Framework PyTorch Ihre eigenen GANs erstellen und trainieren: Sie lernen die Grundlagen von PyTorch und programmieren damit Ihr erstes neuronales Netz auf Google Colab Sie starten dann mit einem einfachen GAN, um einen typischen Workflow einzurichten, und üben erste Techniken anhand der MNIST-Datenbank mit handgeschriebenen Zahlen Mit diesem Wissen programmieren Sie ein GAN, das realistische menschliche Gesichter erzeugen kann Sie finden heraus, wo das GAN versagt, schaffen Abhilfe und verbessern die Leistung und Stabilität Ihres Modells Abschließend erkunden Sie auch anspruchsvollere Themen wie Convolutional und Conditional GANs Tariq Rashids besondere Fähigkeit, komplexe Ideen verständlich zu erklären, macht diese schwierige Materie für jeden Interessierten zugänglich und praktisch nachvollziehbar.

*GANs mit PyTorch selbst programmieren * - Ein verständlicher Einstieg in Generative Adversarial Networks / 29.9€ / Taschenbuch

*Deep Learning with PyTorch Second Edition * - Training and applying deep learning and generative AI models / 43.51€ / ebook

*Hands-On Machine Learning with Scikit-Learn and PyTorch * - Concepts Tools and Techniques to Build Intelligent Systems / 88.99€ / Taschenbuch

The potential of machine learning today is extraordinary, yet many aspiring developers and tech professionals find themselves daunted by its complexity. Perhaps you're ready to jump in, but you're unsure where or how to begin. Whether you're looking to enhance your skill set and apply machine learning to real-world projects or are simply curious about how AI systems function, this book is your jumping-off place. In a way that's approachable yet deeply informative, author Aurélien Géron delivers the ultimate introductory guide to machine learning and deep learning. With a focus on clear explanations and real-world Python examples, the book takes you through cutting-edge tools like scikit-learn and PyTorch--from basic regression techniques to advanced neural networks like transformers and generative adversarial networks. Whether you're a student, professional, or hobbyist, you'll gain the skills to begin building intelligent systems. Understand ML basics, including concepts like overfitting and hyperparameter tuning Learn to build end-to-end ML projects using scikit-learn, from data exploration to model evaluation Explore advanced architectures like convolutional and recurrent neural networks with PyTorch Discover techniques for unsupervised learning, such as clustering and anomaly detection Increase your expertise in state-of-the-art AI systems by fine-tuning pretrained models Build tangible skills with complete hands-on coding exercises and real-world applications

Get a free eBook (PDF or ePub) from Manning as well as access to the online liveBook format (and its AI assistant that will answer your questions in any language) when you purchase the print book. PyTorch core developer Howard Huang updates the bestselling original Deep Learning with PyTorch with new insights into the transformers architecture and generative AI models. Instantly familiar to anyone who knows PyData tools like NumPy, PyTorch simplifies deep learning without sacrificing advanced features. In this book you’ll learn how to create your own neural network and deep learning systems and take full advantage of PyTorch’s built-in tools for automatic differentiation, hardware acceleration, distributed training, and more. You’ll discover how easy PyTorch makes it to build your entire DL pipeline, including using the PyTorch Tensor API, loading data in Python, monitoring training, and visualizing results. Each new technique you learn is put into action with practical code examples in each chapter, culminating into you building your own convolution neural networks, transformers, and even a real-world medical image classifier. In Deep Learning with PyTorch, Second Edition you’ll find: Deep learning fundamentals reinforced with hands-on projects Mastering PyTorch's flexible APIs for neural network development Implementing CNNs, transformers, and diffusion models Optimizing models for training and deployment Generative AI models to create images and text About the technology The powerful PyTorch library makes deep learning simple—without sacrificing the features you need to create efficient neural networks, LLMs, and other ML models. Pythonic by design, it’s instantly familiar to users of NumPy, Scikit-learn, and other ML frameworks. This thoroughly-revised second edition covers the latest PyTorch innovations, including how to create and refine generative AI models. About the book Deep Learning with PyTorch, Second Edition shows you how to build neural network models using the latest version of PyTorch. Clear explanations and practical projects help you master the fundamentals and explore advanced architectures including transformers and LLMs. Along the way you’ll learn techniques for training using augmented data, improving model architecture, and fine tuning. What's inside PyTorch APIs for neural network development LLMs, transformers, and diffusion models Model training and deployment About the reader For Python programmers with a background in machine learning. About the author Howard Huang is a software engineer and developer on the PyTorch library focusing on large scale, distributed training. Eli Stevens , Luca Antiga , and Thomas Viehmann authored the first edition of Deep Learning with PyTorch. Table of Contents Part 1 1 Introducing deep learning and the PyTorch library 2 Pretrained networks 3 It starts with a tensor 4 Real-world data representation using tensors 5 The mechanics of learning 6 Using a neural network to fit the data 7...

Nextorch 77NT/S18650 Taschenlampe MyTorchS18650 660 Lumen Wiederaufladbar (660 lm) (33048858)

Nextorch Saint (20 cm, 5600 lm) (Saint Torch 30)

WILDTIERE DER WELT Storch Mit Storchjunges

*Torch * / 18.99€ / Taschenbuch

Hama FL-130 Torch Set, Taschenlampe, Schwarz, Blau, LED, AA, 3 Stück(e)

Hama FL-130 Torch Set, Taschenlampe, Schwarz, Blau, LED, AA, 3 Stück(e)

¡¾Sp¨¦cialement con?u pour la chasse et l'observation nocturne¡¿Les yeux des animaux ne sont pas sensibles ¨¤ la lumi¨¨re verte comme ceux de l'homme, ils ne seront donc pas effray¨¦s par cette torche LED ¨¤ lumi¨¨re verte. Il est tr¨¨s utile de trouver la cible dans l'obscurit¨¦, comme les porcs, les coyotes, les renards. En outre, ce sera mieux qu'une lampe de poche ¨¤ lumi¨¨re blanche lorsque vous observerez le comportement naturel d'animaux tels que les tortues, les serpents et les reptiles dans l'obscurit¨¦, car ils ne seront pas d¨¦rang¨¦s par la lumi¨¨re verte. ¡¾Lumi¨¨re verte tactique super lumineuse¡¿Notre torche tactique est fabriqu¨¦e en Advanced Wick Chip L2, la luminosit¨¦ est jusqu'¨¤ 1000 lumens. Le faisceau ultra large ¨¦claire sans effort une pi¨¨ce enti¨¨re ou un jardin. La lumi¨¨re lointaine et la lumi¨¨re courte sont dans un mode, le zoom est remplac¨¦, il sera plus lumineux et plus ¨¦loign¨¦ d'au moins 300 m¨¨tres. ¡¾Mise au point r¨¦glable et 5 modes