Глубокое обучение с PyTorch шаг за шагом. Руководство для начинающих [Daniel Voigt Godoy]

Deep Learning with PyTorch Step-by-Step

Если вы ищете книгу, в которой можно узнать о глубоком обучении и PyTorch, не тратя часы на расшифровку зашифрованного текста и кода, и которую легко и приятно читать, то это она
Книга охватывает все от основ градиентного спуска до тонкой настройки больших моделей NLP (BERT и GPT-2) с использованием HuggingFace.

Она разделена на четыре части:

• Часть I : Основы (градиентный спуск, обучение линейным и логистическим регрессиям в PyTorch)
• Часть II : Компьютерное зрение (более глубокие модели и функции активации, свертки, трансферное обучение, схемы инициализации)
• Часть III : Последовательности (RNN, GRU, LSTM, модели seq2seq, внимание, внутреннее внимание, трансформаторы)
• Часть IV : Обработка естественного языка (токенизация, встраивание, контекстное встраивание слов, ELMo, BERT, GPT-2)

Это не типичная книга: большинство руководств начинаются с какой-нибудь красивой и симпатичной проблемы классификации изображений , чтобы проиллюстрировать, как использовать PyTorch. Это может показаться крутым, но я считаю, что это отвлекает вас от главной цели : как работает PyTorch ? В этой книге я представляю структурированный , пошаговый и основанный на первых принципах подход к изучению PyTorch (и дойду до красивой проблемы классификации изображений в свое время).

Более того, это ни в коем случае не формальная книга : я пишу эту книгу так, как будто веду с вами беседу , читатель. Я буду задавать вам вопросы (и вскоре давать вам ответы), а также буду (глупо) шутить .

Моя задача — помочь вам понять тему, поэтому я постараюсь максимально избегать сложных математических обозначений и изложу все простым языком.
В этой книге я проведу вас через процесс разработки множества моделей в PyTorch и покажу, почему PyTorch делает создание моделей в Python намного проще и интуитивно понятнее: Autograd , динамический вычислительный граф , классы моделей и многое, многое другое.
Мы будем шаг за шагом создавать не только сами модели, но и ваше понимание , поскольку я покажу вам как обоснование кода, так и то, как избежать некоторых распространенных ловушек и ошибок на этом пути.

Я написал эту книгу для новичков в целом - не только для новичков PyTorch. Время от времени я буду тратить время на объяснение некоторых фундаментальных концепций, которые, как я считаю, являются ключевыми для правильного понимания того, что происходит в коде .
Возможно, вы уже хорошо знакомы с некоторыми из этих концепций: в таком случае вы можете просто пропустить их, поскольку я сделал эти объяснения максимально независимыми от остального содержания.

Автор, Дэниел Фойгт Годой:

Дэниел уже более трех лет преподает машинное обучение и технологии распределенных вычислений в Data Science Retreat, самом продолжительном учебном лагере в Берлине, помогая более чем 150 студентам продвигаться по карьерной лестнице.

Язык: Английский.