Отзывы на "GANs mit PyTorch selbst programmieren"

GANs mit PyTorch selbst programmieren
GANs mit PyTorch selbst programmieren
  • Рейтинг:
Neues von Bestsellerautor Tariq Rashid: Eine Einführung in die innovative Deep-Learning-Technik GANs «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.
Спасибо Ваш отзыв будет опубликован после проверки модераторами.
Написать отзыв
  • Общий рейтинг 4.78
  • Рейтинг покупателей 3.82
  • Рейтинг экспертов 4.67
  • Качество материалов 4.85
  • Надежность 4.77
  • Простота в использовании 4.56
  • Ремонтопригодность 4.54
  • Эффективность выполнения своих функций 4.58
  • Коэффициент удивления "Вау!" 4.78
  • Безопасность для пользователя4.27
  • Внешний вид 4.46
  • Удобство в уходе и чистке 4.55
  • Экологическая безопасность 4.63
  • Гарантия на товар 4.55
  • Соответствие стандартам качества 4.76
  • Инновационные технологии 4.51
  • Хит продаж 4.78
  • Скорость морального устаревания 4.85
  • Энергоэффективность 4.56
  • Универсальность использования 4.80
  • Наличие дополнительных функций 4.53
  • Соотношение цена-качество 3.65
  • Практичность и удобство хранения 4.87
  • Стабильность работы в различных условиях 4.32
  • Возможность персонализации 4.00
  • Ликвидность 4.57
  • Индекс рекомендаций 3.55