تسلط بر PyTorch ۲۰۲۴
Mastering PyTorch 2024

**تکنیک‌ها و الگوریتم‌های پیشرفته یادگیری ماشین را با استفاده از مثال‌های واقعی و با PyTorch به تسلط درآورید. این ویرایش برای PyTorch 2.x به‌روزرسانی شده و شامل یکپارچگی با Hugging Face، استقرار موبایلی، مدل‌های انتشار و شبکه‌های عصبی گراف است. با کتاب خود همراه شوید: نسخه PDF، دستیار هوش مصنوعی و نسل بعدی خواننده رایگان**

ویژگی‌های کلیدی:
* درک نحوه استفاده از PyTorch برای ساخت مدل‌های پیشرفته شبکه عصبی
* با کار با Hugging Face، fastai، PyTorch Lightning، PyTorch Geometric، Flask و Docker بهترین استفاده را از PyTorch ببرید.
* با استفاده از چندین GPU آموزش سریع‌تری را باز کنید و استقرار مدل را با استفاده از چارچوب‌های استنتاج کارآمد بهینه کنید.

توضیحات کتاب
PyTorch ساخت برنامه‌های کاربردی یادگیری عمیق را برای همه آسان‌تر از همیشه کرده است. این کتاب یادگیری عمیق PyTorch به شما کمک می‌کند تا تکنیک‌های تخصصی را برای به حداکثر رساندن داده‌های خود و ساخت مدل‌های پیچیده شبکه عصبی کشف کنید. شما شبکه‌های عصبی کانولوشن را برای طبقه‌بندی تصویر و شبکه‌های عصبی بازگشتی و ترانسفورمرها را برای تحلیل احساسات خواهید ساخت. با پیشرفت، از یادگیری عمیق در حوزه‌های مختلف، مانند موسیقی، متن و تولید تصویر، با استفاده از مدل‌های مولد، از جمله مدل‌های انتشار، استفاده خواهید کرد. شما نه تنها مدل‌های یادگیری تقویتی عمیق خود را در PyTorch می‌سازید و آموزش می‌دهید، بلکه یاد می‌گیرید که آموزش مدل را با استفاده از چندین CPU، GPU و آموزش با دقت مختلط بهینه کنید. شما مدل‌های PyTorch را در تولید، از جمله دستگاه‌های تلفن همراه، مستقر خواهید کرد. در نهایت، اکوسیستم PyTorch و مجموعه غنی کتابخانه‌های آن را کشف خواهید کرد. این کتابخانه‌ها مجموعه ابزارهای دیگری را به کمربند ابزار یادگیری عمیق شما اضافه می‌کنند و به شما یاد می‌دهند که چگونه از fastai برای نمونه‌سازی مدل‌ها و PyTorch Lightning برای آموزش مدل‌ها استفاده کنید. شما کتابخانه‌هایی را برای AutoML و هوش مصنوعی قابل توضیح (XAI) کشف می‌کنید، سیستم‌های توصیه ایجاد می‌کنید و ترانسفورمرهای زبان و دید را با Hugging Face می‌سازید. در پایان این کتاب، شما قادر خواهید بود با استفاده از PyTorch برای ساخت مدل‌های هوش مصنوعی هوشمند، وظایف پیچیده یادگیری عمیق را انجام دهید.

آنچه خواهید آموخت:
* پیاده‌سازی مدل‌های تولید متن، تصویر و موسیقی با استفاده از PyTorch
* ساخت یک مدل شبکه Q عمیق (DQN) در PyTorch
* استقرار مدل‌های PyTorch بر روی دستگاه‌های تلفن همراه (Android و iOS)
* با استفاده از PyTorch با fastai در نمونه‌سازی سریع ماهر شوید.
* جستجوی معماری عصبی را به طور موثر با استفاده از AutoML انجام دهید.
* مدل‌های یادگیری ماشین را به راحتی با استفاده از Captum تفسیر کنید.
* طراحی ResNetها، LSTMها و شبکه‌های عصبی گراف (GNN)
* ایجاد مدل‌های ترانسفورمر زبان و دید با استفاده از Hugging Face

این کتاب برای چه کسانی مناسب است:
این کتاب یادگیری عمیق با PyTorch برای دانشمندان داده، مهندسان یادگیری ماشین، محققان یادگیری ماشین و متخصصان یادگیری عمیقی است که به دنبال پیاده‌سازی مدل‌های پیشرفته یادگیری عمیق با استفاده از PyTorch هستند. این کتاب برای کسانی که به دنبال تغییر از TensorFlow به PyTorch هستند، ایده‌آل است. دانش کاری از یادگیری عمیق با پایتون مورد نیاز است.

Master advanced techniques and algorithms for machine learning with PyTorch using real-world examples Updated for PyTorch 2.x, including integration with Hugging Face, mobile deployment, diffusion models, and graph neural networks Get With Your Book: PDF Copy, AI Assistant, and Next-Gen Reader Free

Key Features

• Understand how to use PyTorch to build advanced neural network models
• Get the best from PyTorch by working with Hugging Face, fastai, PyTorch Lightning, PyTorch Geometric, Flask, and Docker
• Unlock faster training with multiple GPUs and optimize model deployment using efficient inference frameworks

Book DescriptionPyTorch is making it easier than ever before for anyone to build deep learning applications. This PyTorch deep learning book will help you uncover expert techniques to get the most out of your data and build complex neural network models. You’ll build convolutional neural networks for image classification and recurrent neural networks and transformers for sentiment analysis. As you advance, you’ll apply deep learning across different domains, such as music, text, and image generation, using generative models, including diffusion models. You’ll not only build and train your own deep reinforcement learning models in PyTorch but also learn to optimize model training using multiple CPUs, GPUs, and mixed-precision training. You’ll deploy PyTorch models to production, including mobile devices. Finally, you’ll discover the PyTorch ecosystem and its rich set of libraries. These libraries will add another set of tools to your deep learning toolbelt, teaching you how to use fastai to prototype models and PyTorch Lightning to train models. You’ll discover libraries for AutoML and explainable AI (XAI), create recommendation systems, and build language and vision transformers with Hugging Face. By the end of this book, you’ll be able to perform complex deep learning tasks using PyTorch to build smart artificial intelligence models.What you will learn

• Implement text, vision, and music generation models using PyTorch
• Build a deep Q-network (DQN) model in PyTorch
• Deploy PyTorch models on mobile devices (Android and iOS)
• Become well versed in rapid prototyping using PyTorch with fastai
• Perform neural architecture search effectively using AutoML
• Easily interpret machine learning models using Captum
• Design ResNets, LSTMs, and graph neural networks (GNNs)
• Create language and vision transformer models using Hugging Face

Who this book is for

This deep learning with PyTorch book is for data scientists, machine learning engineers, machine learning researchers, and deep learning practitioners looking to implement advanced deep learning models using PyTorch. This book is ideal for those looking to switch from TensorFlow to PyTorch. Working knowledge of deep learning with Python is required.