GANs mit PyTorch selbst programmieren
Published by O'Reilly
German
216 pages
2020
ISBN 9783960103936
PDF
Buy at Bookwire Direct Sales
🇦🇷
Available at 2 bookshops
About this book
Neues von Bestsellerautor Tariq Rashid: Eine Einführung in die innovative Deep-Learning-Technik GANs
Schritt-für-Schritt-Anleitung zum Erstellen eigener GANs mit PyTorch, regt zum Ausprobieren an
GANs (Generative Adversarial Networks) gehören zu den spannendsten neuen Algorithmen im Machine Learning
Tariq Rashid erklärt diese schwierige Materie außergewöhnlich klar und gut nachvollziehbar
"Die coolste Idee im Deep Learning in den letzten 20 Jahren" sagt Yann LeCun, einer der weltweit führenden Forscher auf dem Gebiet der neuronalen Netze, über GANs, die Generative Adversarial Networks. Bei dieser noch neuen KI-Technik treten zwei neuronale Netze gegeneinander an mit dem Ziel, Bilder, Ton und Videos zu erzeugen, die vom Original nicht zu unterscheiden sind.
Dieses Buch richtet sich an alle, die selbst ausprobieren möchten, wie GANs funktionieren. Tariq Rashid zeigt Ihnen Schritt für Schritt, wie Sie mit dem populären Framework PyTorch Ihre eigenen GANs erstellen und trainieren. Sie starten mit einem sehr einfachen GAN, um einen Workflow einzurichten, und üben erste Techniken anhand der MNIST-Datenbank ein. Mit diesem Wissen programmieren Sie dann ein GAN, das realistische menschliche Gesichter erzeugen kann. Tariq Rashids besondere Fähigkeit, komplexe Ideen verständlich zu erklären, macht das Buch zu einer unterhaltsamen Lektüre.
Genres
- Language
- German
Share
You might also like
R – kurz & gut
Staudemeyer, Jörg, Staudemeyer, Ralf C.
Introdução a bancos de dados
Pereira, Paloma Cristina
MLOps – Kernkonzepte im Überblick
Treveil, Mark, Omont, Nicolas, Stenac, Clément, Lefèvre, Kenji, Du Phan,
Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow
Géron, Aurélien
Introduction to Data Science Using R
Prema Alla
Competição Analítica: Um Modelo de Gestão de Negócios para a Inovação e a Criação de Valor para as Empresas
Redaelli, Emir, Lima, Jerônimo