fastbook
v0.0.19
Inglés / español / coreano / chino / bengalí / indonesio / italiano / portugués / vietnamita / japonés
Estos cuadernos cubren una introducción al aprendizaje profundo, Fastai y Pytorch. Fastai es una API en capas para el aprendizaje profundo; Para obtener más información, consulte el documento de Fasti. Todo en este repositorio es Copyright Jeremy Howard y Sylvain Gugger, 2020 en adelante. Una selección de capítulos está disponible para leer en línea aquí.
Los cuadernos en este repositorio se utilizan para un MOOC y forman la base de este libro, que actualmente está disponible para su compra. No tiene las mismas restricciones GPL que están en este repositorio.
El código en los archivos de cuadernos y python .py está cubierto por la licencia GPL V3; Consulte el archivo de licencia para obtener más detalles. El resto (incluidas todas las celdas de Markdown en los cuadernos y otras prosa) no tiene licencia para ninguna redistribución o cambio de formato o medio, aparte de hacer copias de los cuadernos o bifurcar este repositorio para su propio uso privado. No se permite el uso comercial o de transmisión. Estamos poniendo a disposición de estos materiales libremente para ayudarlo a aprender un aprendizaje profundo, así que respeta nuestros derechos de autor y estas restricciones.
Si ve a alguien que alberga una copia de estos materiales en otro lugar, hágales saber que sus acciones no están permitidas y que pueden conducir a acciones legales. Además, perjudicarían a la comunidad porque no es probable que liberemos materiales adicionales de esta manera si las personas ignoran nuestros derechos de autor.
En lugar de clonar este repositorio y abrirlo en su máquina, puede leer y trabajar con los cuadernos usando Google Colab. Este es el enfoque recomendado para las personas que recién comienzan: no hay necesidad de configurar un entorno de desarrollo de Python en su propia máquina, ya que puede trabajar directamente en su navegador web.
Puede abrir cualquier capítulo del libro en Colab haciendo clic en uno de estos enlaces: Introducción a Jupyter | Capítulo 1, Introducción | Capítulo 2, Producción | Capítulo 3, Ética | Capítulo 4, conceptos básicos de Mnist | Capítulo 5, PET Breeds | Capítulo 6, Multi-Categoría | Capítulo 7, Dimensionamiento y TTA | Capítulo 8, colaboración | Capítulo 9, Tabular | Capítulo 10, PNL | Capítulo 11, API de nivel medio | Capítulo 12, NLP Dive Dive | Capítulo 13, Convoluciones | Capítulo 14, Resnet | Capítulo 15, Detalles del arco | Capítulo 16, optimizadores y devoluciones de llamada | Capítulo 17, Fundamentos | Capítulo 18, Gradcam | Capítulo 19, alumno | Capítulo 20, conclusión
Si realiza alguna solicitud de extracción de este repositorio, entonces está asignando derechos de autor de ese trabajo a Jeremy Howard y Sylvain Gugger. (Además, si está haciendo pequeñas ediciones para la ortografía o el texto, especifique el nombre del archivo y una descripción muy breve de lo que está solucionando. Es difícil para los revisores saber qué correcciones ya se han hecho. Gracias).
Si desea citar el libro, puede usar lo siguiente:
@book{howard2020deep,
title={Deep Learning for Coders with Fastai and Pytorch: AI Applications Without a PhD},
author={Howard, J. and Gugger, S.},
isbn={9781492045526},
url={https://books.google.no/books?id=xd6LxgEACAAJ},
year={2020},
publisher={O'Reilly Media, Incorporated}
}
