|
000
|
01800oam2 22003131 450
|
|
001
|
0110211802
|
|
005
|
20241110211802.0
|
|
010
|
|
@a978-7-121-47553-5@dCNY158.00
|
|
100
|
|
@a20240506d2024 em y0chiy0121 ea
|
|
101
|
1
|
@achi@cinc
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aa z 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@aPyTorch实战@APyTorch shi zhan@f(印) Ashish Ranjan Jha著@g郭涛 ... [等] 译
|
|
210
|
|
@a北京@c电子工业出版社@d2024.03
|
|
215
|
|
@aXXII, 406页@c图@d23cm
|
|
225
|
2
|
@a人工智能与大数据系列@Aren gong zhi neng yu da shu ju xi lie
|
|
306
|
|
@a由Packt Publishing授予出版
|
|
314
|
|
@a责任者规范汉译姓: 贾
|
|
314
|
|
@aAshish Ranjan Jha, 拥有IIT Ro-orkee (印度) 电气工程学士学位, EPFL (瑞士) 计算机科学硕士学位, Quantic商学院 (华盛顿) MBA学位, 并都以优异成绩毕业。Ashish曾在甲骨文、索尼以及初创科技公司等多家科技公司工作, 在Revolut担任机器学习工程师。郭涛, 主要从事人工智能、现代软件工程、智能空间信息处理与时空大数据挖掘与分析等前沿交叉研究, 已出版《深度强化学习图解》、《AI可解释性 (Python语言版)》和《概率图模型原理与应用 (第2版)》等多部畅销译作。
|
|
330
|
|
@a本书以PyTorch作为深度学习框架, 主要包括4部分。第1部分 (第1、2章), 主要概述PyTorch基础知识与常见深度学习算法实现, 例如, CNN、LSTM, 即CNNLSTM ; 第2部分 (第3-5章) 高级神经网络实现, 主要包括常见的深度学习网络结构, 例如CNN、RNN及最新的Transformer等模型 ; 第3部分 (第6-9章) 生成式AI和深度强化学习, 主要包括GAN、GPT和DQN等算法 ; 第4部分 (第10-14章) 生产中PyTorch落地的几个关键性主题, 分布式训练、自动机器学习管道构建和硬件快速部署。
|
|
410
|
0
|
@12001@a人工智能与大数据系列
|
|
606
|
0
|
@a机器学习@Aji qi xue xi
|
|
690
|
|
@aTP@v5
|
|
690
|
|
@aTP181@v5
|
|
701
|
1
|
@a贾@Ajia@g(Jha, Ashish Ranjan)@4著
|
|
702
|
0
|
@a郭涛@Aguo tao@4译
|
|
801
|
0
|
@aCN@b人天书店@c20240506
|
|
905
|
|
@aCKNYKJZYXY@b300716108-9@dTP@e392@f2
|
|
|
|
|
| |
| PyTorch实战/(印) Ashish Ranjan Jha著/郭涛 ... [等] 译.-北京：电子工业出版社，2024.03 |
| XXII, 406页：图；23cm.-(人工智能与大数据系列) |
| |
| |
| ISBN 978-7-121-47553-5：CNY158.00 |
| 本书以PyTorch作为深度学习框架, 主要包括4部分。第1部分 (第1、2章), 主要概述PyTorch基础知识与常见深度学习算法实现, 例如, CNN、LSTM, 即CNNLSTM ; 第2部分 (第3-5章) 高级神经网络实现, 主要包括常见的深度学习网络结构, 例如CNN、RNN及最新的Transformer等模型 ; 第3部分 (第6-9章) 生成式AI和深度强化学习, 主要包括GAN、GPT和DQN等算法 ; 第4部分 (第10-14章) 生产中PyTorch落地的几个关键性主题, 分布式训练、自动机器学习管道构建和硬件快速部署。 |
| ● |
正题名：PyTorch实战
索取号：TP/392
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
716108
|
300716108
|
流通五库四楼/
[索取号:TP/392]
|
在馆
|
|
|
2
|
716109
|
300716109
|
流通五库四楼/
[索取号:TP/392]
|
在馆
|
|
