Читать книгу PyTorch für Deep Learning - Ian Pointer - Страница 5
Inhalt
ОглавлениеZusammenbau eines maßgeschneiderten Deep-Learning-Rechners
Hauptprozessor (CPU) und Motherboard
Welchen Cloud-Anbieter sollte ich wählen?
Verwendung von Jupyter Notebook
Zu guter Letzt – PyTorch (und Jupyter Notebook)
2Bildklassifizierung mit PyTorch
Unsere Klassifizierungsaufgabe
Traditionelle Herausforderungen
Einen Trainingsdatensatz erstellen
Erstellen eines Validierungs- und eines Testdatensatzes
Endlich, ein neuronales Netzwerk!
Ein Modell auf der GPU zum Laufen bringen
3Neuronale Konvolutionsnetze (CNNs)
Die Geschichte der CNN-Architekturen
Vortrainierte Modelle in PyTorch nutzen
Die Struktur eines Modells untersuchen
Die Batch-Normalisierungs-Schicht
Welches Modell sollten Sie verwenden?
One-Stop-Shopping für Modelle: PyTorch Hub
4Transfer Learning und andere Kniffe
Transformationen in Torchvision
Farbräume und Lambda-Transformationen
Benutzerdefinierte Transformationsklassen
Klein anfangen und schrittweise vergrößern!
Rekurrente neuronale Netzwerke
Long-Short-Term-Memory-(LSTM-)Netzwerke
Die Trainingsschleife modifizieren
Datenaugmentation und Torchtext
6Eine Reise in die Welt der Klänge
Einrichten eines eigenen ESC-50-Datensatzes
Ein CNN-Modell für den ESC-50-Datensatz
Ein vortrainiertes ResNet-Modell
Datenaugmentation für Audiodaten
Transformationen mit torchaudio
3 Uhr morgens. Wie steht es um Ihre Daten?
Daten an TensorBoard übermitteln
Mittelwert und Standardabweichung visualisieren
Flammendiagramme interpretieren
Eine langsame Transformation beheben
Einrichten eines Flask-Webdiensts
Erstellen eines Docker-Containers
Unterschiede zwischen lokalem und Cloud-Speicher
Einrichten der Google Kubernetes Engine
Aufsetzen eines Kubernetes-Clusters
Aktualisierungen und Bereinigungen
Einschränkungen in TorchScript
Ein TorchScript-Modell importieren
Weitere Quantisierungsmöglichkeiten
9Praxiserprobte PyTorch-Modelle in Aktion
Datenaugmentation: Vermischen und Glätten
Computer, einmal in scharf bitte!
Einführung in die Super-Resolution
Einführung in Generative Adversarial Networks (GANs)
Der Fälscher und sein Kritiker
Weitere Einblicke in die Bilderkennung
Selbstüberwachtes Training mit PyTorch Lightning auf Basis von Bildern
Rekonstruieren und Erweitern der Eingabe
Einen selbstüberwachten Datensatz erstellen
Ein Modell mit PyTorch Lightning erstellen
Weitere Möglichkeiten zur Selbstüberwachung (und darüber hinaus)
