Denne korte og brukervennlige referansen gir deg enkel tilgang til en av de mest populære rammeverkene for forskning og utvikling innen dyp læring. Forfatter Joe Papa tilbyr direkte tilgang til syntaks, designmønstre og kodeeksempler som kan akselerere utviklingsprosessen og redusere tiden brukt på å finne svar. Forskere, maskinlæringsingeniører og programvareutviklere vil finne klar og strukturert PyTorch-kode som dekker alle trinn i utviklingen av nevrale nettverk - fra lasting av data til tilpassing av treningssløyfer, samt modelloptimalisering og akselerering ved bruk av GPU/TPU. Lær raskt hvordan du kan implementere koden din i produksjon ved hjelp av AWS, Google Cloud eller Azure, og distribuer ML-modellene dine til mobile og edge-enheter. Få innsikt i grunnleggende PyTorch-syntaks og designmønstre, opprett tilpassede modeller og datatransformasjoner, tren og distribuer modeller ved hjelp av GPU og TPU, og test en dyp læringsklassifiserer. Akselerer trening ved hjelp av optimalisering og distribuert trening, og få tilgang til nyttige PyTorch-biblioteker.
