dlwpt code
1.0.0
พื้นที่เก็บข้อมูลนี้มีโค้ดสำหรับหนังสือ Deep Learning with PyTorch โดย Eli Stevens, Luca Antiga และ Thomas Viehmann จัดพิมพ์โดย Manning Publications
เว็บไซต์ Manning สำหรับหนังสือเล่มนี้คือ: https://www.manning.com/books/deep-learning-with-pytorch
สามารถซื้อหนังสือเล่มนี้บน Amazon ได้ที่ https://amzn.to/38Iwrff (ลิงก์ Affiliate ตามกฎ: "ในฐานะผู้ร่วมงานของ Amazon ฉันมีรายได้จากการซื้อที่มีคุณสมบัติตามที่กำหนด")
สามารถดูข้อผิดพลาดของหนังสือเล่มนี้ได้จากเว็บไซต์ Manning หรือที่ https://deep-learning-with-pytorch.github.io/dlwpt-code/errata.html
หนังสือเล่มนี้มีจุดมุ่งหมายในการจัดเตรียมรากฐานของการเรียนรู้เชิงลึกด้วย PyTorch และแสดงให้พวกเขาเห็นถึงการปฏิบัติจริงในโปรเจ็กต์ในชีวิตจริง เรามุ่งมั่นที่จะมอบแนวคิดหลักที่เป็นรากฐานของการเรียนรู้เชิงลึกและแสดงให้เห็นว่า PyTorch ทำให้พวกเขาอยู่ในมือของผู้ปฏิบัติงานได้อย่างไร ในหนังสือเล่มนี้ เราพยายามที่จะให้สัญชาตญาณที่จะสนับสนุนการสำรวจเพิ่มเติม และในการทำเช่นนั้น เราได้คัดเลือกเจาะลึกรายละเอียดเพื่อแสดงสิ่งที่เกิดขึ้นเบื้องหลัง Deep Learning with PyTorch ไม่ได้พยายามเป็นหนังสืออ้างอิง แต่เป็นเพื่อนร่วมทางเชิงแนวคิดที่จะช่วยให้คุณสามารถสำรวจเนื้อหาขั้นสูงเพิ่มเติมทางออนไลน์ได้อย่างอิสระ ด้วยเหตุนี้ เราจึงมุ่งเน้นไปที่ชุดย่อยของคุณสมบัติที่นำเสนอโดย PyTorch สิ่งที่ขาดหายไปที่โดดเด่นที่สุดคือโครงข่ายประสาทเทียมที่เกิดซ้ำ แต่ส่วนอื่นๆ ของ PyTorch API ก็เช่นเดียวกัน
หนังสือเล่มนี้มีไว้สำหรับนักพัฒนาที่เป็นหรือมีเป้าหมายที่จะเป็นผู้ปฏิบัติงานด้านการเรียนรู้เชิงลึกและต้องการทำความคุ้นเคยกับ PyTorch เราจินตนาการว่าผู้อ่านทั่วไปของเราเป็นนักวิทยาศาสตร์คอมพิวเตอร์ นักวิทยาศาสตร์ข้อมูล วิศวกรซอฟต์แวร์ หรือนักศึกษาระดับปริญญาตรีขึ้นไปในโปรแกรมที่เกี่ยวข้อง เนื่องจากเราไม่ได้ถือว่าความรู้เดิมเกี่ยวกับการเรียนรู้เชิงลึก บางส่วนในครึ่งแรกของหนังสืออาจเป็นการซ้ำซ้อนของแนวคิดที่ผู้ปฏิบัติงานที่มีประสบการณ์ทราบอยู่แล้ว สำหรับผู้อ่านเหล่านั้น เราหวังว่าการอธิบายนี้จะช่วยให้มีมุมมองที่แตกต่างออกไปเล็กน้อยจากหัวข้อที่ทราบ เราคาดหวังให้ผู้อ่านมีความรู้พื้นฐานเกี่ยวกับการเขียนโปรแกรมเชิงความจำเป็นและเชิงวัตถุ เนื่องจากหนังสือเล่มนี้ใช้ Python คุณจึงควรคุ้นเคยกับไวยากรณ์และสภาพแวดล้อมการทำงาน การรู้วิธีติดตั้งแพ็คเกจ Python และรันสคริปต์บนแพลตฟอร์มที่คุณเลือกถือเป็นข้อกำหนดเบื้องต้น ผู้อ่านที่มาจาก C++, Java, JavaScript, Ruby หรือภาษาอื่น ๆ ควรจะเข้าใจได้ง่าย แต่จะต้องติดตามข่าวสารนอกเหนือจากหนังสือเล่มนี้ ในทำนองเดียวกัน การทำความคุ้นเคยกับ NumPy จะมีประโยชน์ หากไม่จำเป็นอย่างยิ่ง นอกจากนี้เรายังคาดหวังความคุ้นเคยกับพีชคณิตเชิงเส้นพื้นฐานบางอย่าง เช่น การรู้ว่าเมทริกซ์และเวกเตอร์คืออะไร และดอทโปรดัคคืออะไร
Eli Stevens ใช้เวลาส่วนใหญ่ในอาชีพการทำงานในบริษัทสตาร์ทอัพใน Silicon Valley โดยมีบทบาทตั้งแต่วิศวกรซอฟต์แวร์ (สร้างอุปกรณ์เครือข่ายระดับองค์กร) ไปจนถึง CTO (พัฒนาซอฟต์แวร์สำหรับรังสีรักษาและมะเร็งวิทยา) ที่สิ่งพิมพ์ เขากำลังทำงานเกี่ยวกับการเรียนรู้ของเครื่องในอุตสาหกรรมรถยนต์ไร้คนขับ
Luca Antiga ทำงานเป็นนักวิจัยด้านวิศวกรรมชีวการแพทย์ในช่วงปี 2000 และใช้เวลาช่วงทศวรรษที่ผ่านมาในฐานะผู้ร่วมก่อตั้งและ CTO ของบริษัทวิศวกรรม AI เขาได้มีส่วนร่วมในโครงการโอเพ่นซอร์สหลายโครงการ รวมถึงแกน PyTorch เมื่อเร็วๆ นี้เขาได้ร่วมก่อตั้งสตาร์ทอัพในสหรัฐฯ ที่เน้นด้านโครงสร้างพื้นฐานสำหรับซอฟต์แวร์ที่กำหนดข้อมูล
Thomas Viehmann เป็นผู้ฝึกสอนและที่ปรึกษาด้านแมชชีนเลิร์นนิ่งและผู้ฝึกสอนพิเศษของ PyTorch ในเมืองมิวนิก ประเทศเยอรมนี และเป็นผู้พัฒนาหลักของ PyTorch เมื่อสำเร็จการศึกษาระดับปริญญาเอกสาขาคณิตศาสตร์ เขาไม่กลัวทฤษฎี แต่เขาสามารถนำไปใช้ได้จริงอย่างทั่วถึงเมื่อนำไปประยุกต์ใช้กับความท้าทายด้านการคำนวณ
