جلد سخت سیاه و سفید
Product details
- Publisher : Apress; 1st ed. edition (June 21, 2022)
- Language : English
- Paperback : 401 pages
- ISBN-10 : 1484281489
- ISBN-13 : 978-1484281482
کتاب Automated Deep Learning Using Neural Network Intelligence: Develop and Design PyTorch and TensorFlow Models Using Python
Optimize, develop, and design PyTorch and TensorFlow models for a specific problem using the Microsoft Neural Network Intelligence (NNI) toolkit. This book includes practical examples illustrating automated deep learning approaches and provides techniques to facilitate your deep learning model development.
The first chapters of this book cover the basics of NNI toolkit usage and methods for solving hyper-parameter optimization tasks. You will understand the black-box function maximization problem using NNI, and know how to prepare a TensorFlow or PyTorch model for hyper-parameter tuning, launch an experiment, and interpret the results. The book dives into optimization tuners and the search algorithms they are based on: Evolution search, Annealing search, and the Bayesian Optimization approach. The Neural Architecture Search is covered and you will learn how to develop deep learning models from scratch. Multi-trial and one-shot searching approaches of automatic neural network design are presented. The book teaches you how to construct a search space and launch an architecture search using the latest state-of-the-art exploration strategies: Efficient Neural Architecture Search (ENAS) and Differential Architectural Search (DARTS). You will learn how to automate the construction of a neural network architecture for a particular problem and dataset. The book focuses on model compression and feature engineering methods that are essential in automated deep learning. It also includes performance techniques that allow the creation of large-scale distributive training platforms using NNI.
After reading this book, you will know how to use the full toolkit of automated deep learning methods. The techniques and practical examples presented in this book will allow you to bring your neural network routines to a higher level.
What You Will Learn
- Know the basic concepts of optimization tuners, search space, and trials
- Apply different hyper-parameter optimization algorithms to develop effective neural networks
- Construct new deep learning models from scratch
- Execute the automated Neural Architecture Search to create state-of-the-art deep learning models
- Compress the model to eliminate unnecessary deep learning layers
Who This Book Is For
Intermediate to advanced data scientists and machine learning engineers involved in deep learning and practical neural network development
منابع کتاب کتاب Automated Deep Learning Using Neural Network Intelligence: Develop and Design PyTorch and TensorFlow Models Using Python
بهینه سازی، توسعه و طراحی مدل های PyTorch و TensorFlow برای یک مشکل خاص با استفاده از جعبه ابزار هوش شبکه عصبی مایکروسافت (NNI). این کتاب شامل مثال های عملی است که رویکردهای یادگیری عمیق خودکار را نشان می دهد و تکنیک هایی را برای تسهیل توسعه مدل یادگیری عمیق شما ارائه می دهد.
فصل های اول این کتاب اصول استفاده از جعبه ابزار NNI و روش های حل وظایف بهینه سازی فراپارامتر را پوشش می دهد. شما با استفاده از NNI مشکل حداکثر سازی تابع جعبه سیاه را درک خواهید کرد و می دانید که چگونه یک مدل TensorFlow یا PyTorch را برای تنظیم هایپرپارامتر آماده کنید، آزمایشی را اجرا کنید و نتایج را تفسیر کنید. این کتاب به تیونرهای بهینه‌سازی و الگوریتم‌های جستجوی مبتنی بر آنها می‌پردازد: جستجوی تکاملی، جستجوی آنیلینگ و رویکرد بهینه‌سازی بیزی. Neural Architecture Search پوشش داده شده است و شما یاد خواهید گرفت که چگونه مدل های یادگیری عمیق را از ابتدا توسعه دهید. رویکردهای جستجوی چند آزمایشی و تک شات طراحی شبکه عصبی خودکار ارائه شده است. این کتاب به شما می آموزد که چگونه یک فضای جستجو بسازید و یک جستجوی معماری را با استفاده از آخرین استراتژی های اکتشاف پیشرفته راه اندازی کنید: جستجوی معماری عصبی کارآمد (ENAS) و جستجوی معماری متفاوت (DARTS). شما یاد خواهید گرفت که چگونه ساخت یک معماری شبکه عصبی را برای یک مشکل و مجموعه داده خاص به صورت خودکار انجام دهید. این کتاب بر روی فشرده سازی مدل و روش های مهندسی ویژگی که در یادگیری عمیق خودکار ضروری هستند، تمرکز دارد. همچنین شامل تکنیک‌های عملکردی است که امکان ایجاد بسترهای آموزشی توزیعی در مقیاس بزرگ را با استفاده از NNI فراهم می‌کند.
پس از مطالعه این کتاب، نحوه استفاده از جعبه ابزار کامل روش های یادگیری عمیق خودکار را خواهید آموخت. تکنیک ها و مثال های کاربردی ارائه شده در این کتاب به شما این امکان را می دهد که روال شبکه های عصبی خود را به سطح بالاتری برسانید.
آنچه شما یاد خواهید گرفت
- مفاهیم اولیه تیونرهای بهینه سازی، فضای جستجو و آزمایش ها را بدانید
- از الگوریتم‌های بهینه‌سازی فراپارامتری مختلف برای توسعه شبکه‌های عصبی مؤثر استفاده کنید
- مدل های یادگیری عمیق جدید را از ابتدا بسازید
- برای ایجاد مدل های پیشرفته یادگیری عمیق، جستجوی خودکار معماری عصبی را اجرا کنید
- مدل را فشرده کنید تا لایه های یادگیری عمیق غیر ضروری حذف شود
چه کسی این کتاب برای دانشمندان داده های پیشرفته تا پیشرفته و مهندسان یادگیری ماشینی است که در یادگیری عمیق و توسعه عملی شبکه عصبی درگیر هستند
ارسال نظر درباره کتاب Automated Deep Learning Using Neural Network Intelligence: Develop and Design PyTorch and TensorFlow Models Using Python